GPT-5.3-Codex
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
- 综合 Index63
- 编程61
- 智能体与工具80
- 指令遵循74
- 多模态61
- 长上下文66
嵌入这个排名
更多徽章样式[](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。
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-Codex | 2025年12月18日 | 57.6 | #150 |
| GPT-5.1-Codexhigh | 2025年11月12日 | – | – |
| GPT-5-Codexhigh | 2025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。
Index 走势
2026年9月19日 至 2026年11月16日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 Index | 91.5%#46 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 42.5%#78 | Artificial Analysis | |
| CritPt不计入 Index | 16.9%#93 | Artificial Analysis |
编程
| 基准测试 | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SWE-bench Verified (Epoch) | 74.8%#15 | – | – | Epoch AI Benchmarking Hub | |
| WeirdML | – | 77.9%#22 | 79.3%#19 | WeirdML | |
| Arena WebDev推理强度未说明 | – | – | 1406#98 | Arena (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#121 | Design Arena |
智能体与工具
| 基准测试 | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | 78.4%#6 | Terminal-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%#35 | Scale AI SEAL | |
| Terminal-Bench 2.0 (Vals)不计入 Index | 64.0%#6 | – | – | Vals AI | |
| METR Time Horizons不计入 Index推理强度未说明 | – | – | 74.5%#6 | METR | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | 5940.1#25 | Andon 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#74 | Design Arena |
指令遵循
| 基准测试 | xhigh | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 75.4%#33 | Artificial Analysis |
多模态
| 基准测试 | xhigh | 来源 | 趋势 |
|---|---|---|---|
| MMMU-Pro | 78.5%#83 | Artificial Analysis |
长上下文
| 基准测试 | xhigh | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 83.3%#22 | Artificial Analysis |
综合
| 基准测试 | xhigh | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 32.5#117 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 301.3#120 | Artificial 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 |
|---|---|---|---|---|---|---|
| OpenAI | 81 tok/s | 3.52 s | $1.75 | $14.00 | 400k | – |
| Azure | 59 tok/s | 3.89 s | $1.75 | $14.00 | 400k | – |
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 | $0.0044 | 41.3 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.029 | $0.015 | 44.5 s |
| 代码编辑 | 6,000 / 1,500 | $0.032 | $0.024 | 54.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.161 | $0.090 | 1.3 min |
| 结构化信息提取 | 2,000 / 200 | $0.0063 | $0.0039 | 40.3 s |
将 GPT-5.3-Codex 与以下模型对比
- GPT-5.3-Codex vs Claude Sonnet 5.5
- GPT-5.3-Codex vs Gemini 4 Argon
- GPT-5.3-Codex vs Gemini 3.8 Flash
- GPT-5.3-Codex vs Grok 4.7
- GPT-5.3-Codex vs GPT-6.1 Sol
- GPT-5.3-Codex vs GPT-6 Sol
- GPT-5.3-Codex vs Qwen3.8 Max
- GPT-5.3-Codex vs GPT-5.4
- GPT-5.3-Codex vs GLM 5.3
- GPT-5.3-Codex vs GLM 5.3 Flash
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs o3
- GPT-5.3-Codex vs DeepSeek V4.1 Flash 1017
- GPT-5.3-Codex vs Claude Opus 4.6
- GPT-5.3-Codex vs GPT-6.1 Terra
- GPT-5.3-Codex vs Claude Opus 5
- GPT-5.3-Codex vs Muse Spark 1.2
- GPT-5.3-Codex vs Gemini 3.7 Flash
- GPT-5.3-Codex vs Muse Wonder Full
- GPT-5.3-Codex vs Muse Wonder
- GPT-5.3-Codex vs Claude Opus 4.7
- GPT-5.3-Codex vs Gemini 3.5 Flash
- GPT-5.3-Codex vs Gemini 4 Hydrogen
- GPT-5.3-Codex vs Muse Spark 1.1
- GPT-5.3-Codex vs Qwen3.6 Max
- GPT-5.3-Codex vs Kimi K3.1 Pro
- GPT-5.3-Codex vs GPT-5.5
- GPT-5.3-Codex vs Muse Spark 1.3
- GPT-5.3-Codex vs Muse Spark
- GPT-5.3-Codex vs GPT-5.6 Sol
- GPT-5.3-Codex vs Claude Fable 5
- GPT-5.3-Codex vs Claude Fable 5.1
- GPT-5.3-Codex vs GPT-6 Astra
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-5.3-Codex vs Claude Fable 5.2
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。
[](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}
}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。