GPT-5.3 Codex
OpenAI· 2026-02-05 上线
综合榜暂不排名：评测成绩还不够
编程
54.9第 15 名
科研
—
专业办公
50.8
知识问答
—
- 评测覆盖
- 6 / 25 项 · 24%
- 缓存输入
- ¥1.18
- 输入
- ¥11.77
- 输出
- ¥94.15
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SWE-bench Verified | 74.8% | 49.0 | high | 22 |
| Terminal-Bench | 78.4% | 62.5 | 默认 | 29 |
| WebDev Arena | 1,370 | 42.5 | 默认 | 96 |
| ALE-Bench | 1,655 | 59.5 | xhigh | 88 |
| WeirdML | 79.3% | 61.0 | 默认 | 60 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| Vending-Bench 2 | $5,940 | 50.8 | 默认 | 55 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| METR 任务时长 | 74.5% | 不计分 | 默认 | 10 |
原始成绩取这个模型各个推理档位（high、xhigh）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。