#16
OpenAI
发布日期: 2026-02-05
测试于: 2026-05-22 00:19
openai/gpt-5.3-codex::medium
????
$1.750 / 1M
????
$14.000 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-22 00:19 重新测试 | 8.3 | 10.0 | $0.685 | 当前轮次 | |
| 2026-04-11 01:44 首次记录的运行 | 8.6 | 不适用 | $0.573 | 比较 |
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · 当前轮次 | 8.3 | 8.4 | 10.0 | 14/20 | 4 | 44,901 | $0.685 | 15.95s |
| 2026-04-11 01:44 · 首次记录的运行 | 8.6 | 8.7 | 不适用 | 13/18 | 3 | 37,458 | $0.573 | 15.38s |
| 差值 | -0.2 | -0.3 | +1 | +1 | +7443 | +$0.112 | +570ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。