BenchLeader

GPT-5.3-Codex

推理强度
质量第 20 / 339 名
62.9Index
前 10%
较中位数 +12.7
价格第 218 / 255 名
$4.81每百万 token
最贵的四分之一
中位数的 5.7 倍
速度第 91 / 216 名
94token/秒
高于中位数
中位数的 1.2 倍
性价比第 213 / 255 名
13.1分/$
后四分之一
中位数的 0.2 倍

性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 69%。

有 6 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 3 个。

截至 2026年11月16日,GPT-5.3-Codex(OpenAI)在 BenchLeader Index 上得分 62.9(在 608 个已排名配置中前 50 名)。表现最好的是智能体与工具(80),最弱的是多模态(61)。API 价格为输入每百万 token $1.75、输出每百万 token $14.00(按 3:1 混合为 $4.81),为 2026年11月16日的标价。输出速度约为 94 token/秒(Artificial Analysis)。发布于 2026年2月5日。

要点(截至 2026年11月16日)

  • GPT-5.3-Codex 的 API 价格为输入每百万 token $1.75、输出每百万 token $14.00(按 3:1 混合为 $4.81)(标价,2026年11月16日)。
  • GPT-5.3-Codex 的输出速度约为 94 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-5.3-Codex 于 2026年2月5日发布(OpenAI)。

详细说明:GPT-5.3-Codex 是 OpenAI 的闭源推理模型,发布于 2026年2月5日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 62.9 ±7.0,在 608 个配置中排第 45 名,处于上半区。关键在于这个“±”:另有 209 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,智能体与工具得分最高(80),多模态最低(61)。按混合价格计,每百万 token $4.81,属于已排名模型中最贵的一档。输出速度为 94 token/秒,首次回答需 38.2 秒,比大多数模型快。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月29日。

混合价格
$4.81/M
输入 $1.75 · 输出 $14.00
来源:Artificial Analysis
输出速度
94 tok/s
由 Artificial Analysis 测量
首次回答
38 s
首 token 2.54 s
上下文
400k
来源:models.dev
完整回答
97 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年2月5日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index63
  2. 编程61
  3. 智能体与工具80
  4. 指令遵循74
  5. 多模态61
  6. 长上下文66

嵌入这个排名

更多徽章样式
[![GPT-5.3-Codex on BenchLeader: 综合第 20 名](https://www.benchleader.com/badge/gpt-5-3-codex.svg?style=compact)](https://www.benchleader.com/models/gpt-5-3-codex)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

OpenAI 以这个名称发布过 4 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
GPT-5.3-Codexxhigh本页2026年2月5日62.9#45
GPT-5.2-Codex2025年12月18日57.6#150
GPT-5.1-Codexhigh2025年11月12日––
GPT-5-Codexhigh2025年9月15日58.6#125

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
high––62 tok/s2.54 s$0.0049编程 56
xhigh最佳62.9#4594 tok/s38 s$0.0049智能体与工具 80 · 编程 61 · 指令遵循 74 · 长上下文 66 · 多模态 61
未说明––62 tok/s2.54 s$0.0049智能体与工具 57 · 编程 52

Index 走势

2026年9月19日 至 2026年11月16日
566471

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试xhigh来源趋势
GPQA Diamond (AA)不计入 Index91.5%#46Artificial Analysis
Humanity's Last Exam (AA)不计入 Index42.5%#78Artificial Analysis
CritPt不计入 Index16.9%#93Artificial Analysis

编程

基准测试highxhigh默认来源趋势
SWE-bench Verified (Epoch)74.8%#15––Epoch AI Benchmarking Hub
WeirdML–77.9%#2279.3%#19WeirdML
Arena WebDev推理强度未说明––1406#98Arena (LMArena)
LiveCodeBench–87.3%#15–Vals AI
IOI–53.8%#23–Vals AI
SWE-bench (Vals)不计入 Index–78.0%#33–Vals AI
Vibe Code Bench v1.1不计入 Index–61.8%#61–Vals AI
ALE-Bench不计入 Index–1655.2#20–Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明––1155#121Design Arena

智能体与工具

基准测试highxhigh默认来源趋势
Terminal-Bench推理强度未说明––78.4%#6Terminal-Bench
Terminal-Bench Hard–53.0%#17–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index–86.0%#93–Artificial Analysis
HiL-Bench推理强度未说明––4.3%#35Scale AI SEAL
Terminal-Bench 2.0 (Vals)不计入 Index64.0%#6––Vals AI
METR Time Horizons不计入 Index推理强度未说明––74.5%#6METR
Vending-Bench 2不计入 Index推理强度未说明––5940.1#25Andon Labs
AA-Briefcase v1.1不计入 Index–868#182–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明––1018#74Design Arena

指令遵循

基准测试xhigh来源趋势
IFBench75.4%#33Artificial Analysis

多模态

基准测试xhigh来源趋势
MMMU-Pro78.5%#83Artificial Analysis

长上下文

基准测试xhigh来源趋势
AA-LCR v1.183.3%#22Artificial Analysis

综合

基准测试xhigh来源趋势
AA Intelligence Index v4.3.2不计入 Index32.5#117Artificial Analysis
AA Progress Index v1不计入 Index301.3#120Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
OpenAI81 tok/s3.52 s$1.75$14.00400k–
Azure59 tok/s3.89 s$1.75$14.00400k–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.175。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0049$0.004441.3 s
总结一份 30 页的报告12,000 / 600$0.029$0.01544.5 s
代码编辑6,000 / 1,500$0.032$0.02454.1 s
智能体编程会话60,000 / 4,000$0.161$0.0901.3 min
结构化信息提取2,000 / 200$0.0063$0.003940.3 s

OpenAI 的更多模型

本月新上线

将 GPT-5.3-Codex 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-5.3-Codex 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![GPT-5.3-Codex on BenchLeader: 综合第 20 名](https://www.benchleader.com/badge/gpt-5-3-codex.svg)](https://www.benchleader.com/models/gpt-5-3-codex)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). GPT-5.3-Codex on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-3-codex

BibTeX:

@misc{benchleader_gpt_5_3_codex_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.3-Codex on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-3-codex}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GPT-5.3-Codex 的基准测试得分是多少?
截至 2026年11月16日,GPT-5.3-Codex(推理强度 xhigh)的 BenchLeader Index 为 62.9 ±7.0(前 50 名)。最强的是智能体与工具(80),最弱的是多模态(61)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
GPT-5.3-Codex 排名第几?
截至 2026年11月16日,GPT-5.3-Codex(推理强度 xhigh)在 608 个已排名配置中排第 45 名(前 50 名)。另有 209 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
GPT-5.3-Codex 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5.3-Codex 的价格为输入每百万 token $1.75、输出每百万 token $14.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.81。
GPT-5.3-Codex 比 GPT-5.4 更好吗?
截至 2026年11月16日,GPT-5.3-Codex(推理强度 xhigh)与 GPT-5.4(推理强度 xhigh)的质量不相上下(BenchLeader Index 62.9 比 63.1,在 ±7.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
GPT-5.3-Codex 是什么时候发布的?
OpenAI 于 2026年2月5日发布了 GPT-5.3-Codex。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《GPT-5.3-Codex:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-5-3-codex。