Modellvergleich
GPT-5.3 Codex (xhigh)
vs. Gemini 3 Pro Preview (high)
Vergleich von 2 KI-Modellen · 5 Benchmarks · OpenAI, Google
Chatten mit GPT-5.3 & GeminiGuenstigstes Modell
$1.75/1M
Hoechste Intelligenz
91.5% GPQA
Bestes Coding
53.1 Coding-Index
Preisunterschied
1.1x
Input-Kostenspanne
Composite Indices
Intelligence, Coding, Math
Standard Benchmarks
Academic and industry benchmarks
Benchmark-Sieger
5 Tests GPT-5.3 Codex (xhigh)
- GPQA
- HLE
Gemini 3 Pro Preview (high)
- MMLU Pro
- LiveCodeBench
- AIME 2025
| Metrik | Op GPT-5.3 Codex (xhigh) | Go Gemini 3 Pro Preview (high) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $1.75/1M | $2.00/1M |
| Output-Kosten | $14.00/1M | $12.00/1M |
| Gemischt (3:1) | $4.81/1M | $4.50/1M |
| Spezifikationen | ||
| Anbieter | OpenAI | |
| Veröffentlichung | 5. Feb. 2026 | 18. Nov. 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 96.1 tok/s | 138.3 tok/s |
| TTFT | 65546ms | 29589ms |
| Latenz | 65546ms | 29589ms |
| Composite-Indizes | ||
| Intelligenz | 54.0 | 48.4 |
| Coding | 53.1 | 46.5 |
| Mathe | — | 95.7 |
| Standard-Benchmarks | ||
| GPQA | 91.5% | 90.8% |
| MMLU Pro | — | 89.8% |
| HLE | 39.9% | 37.2% |
| LiveCodeBench | — | 91.7% |
| MATH 500 | — | — |
| AIME 2025 | — | 95.7% |
| AIME (Original) | — | — |
| SciCode | 53.2% | 56.1% |
| LCR | 74.0% | 70.7% |
| IFBench | 75.4% | 70.4% |
| TAU-bench v2 | 90.9% | 87.1% |
| TerminalBench Hard | 53.0% | 41.7% |
Wichtigste Erkenntnisse
GPT-5.3 Codex (xhigh) bietet das beste Preis-Leistungs-Verhaeltnis mit $1.75/1M, ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
GPT-5.3 Codex (xhigh) fuehrt bei Reasoning mit 91.5% GPQA, stark bei komplexen Analysen und Problemlosung.
GPT-5.3 Codex (xhigh) erreicht einen 53.1 Coding-Index, und ist damit eine Top-Wahl fuer Softwareentwicklung und Code-Generierung.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens, geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
GPT-5.3 Codex (xhigh)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
- Code-Generierung
- Softwareentwicklung
Gemini 3 Pro Preview (high)
- Allgemeine KI
- Vielseitige Anwendungen
Made in Europe Chat with 100+ AI Models in one App.
Use Claude, ChatGPT, Gemini alongside with EU-Hosted Models like Deepseek, GLM-5, Kimi K2.5 and many more.
Empfohlene Vergleiche
Beliebte Alternativen
Leitfaden zum KI-Modellvergleich
Vergleichen Sie Large-Language-Modelle (LLMs) direkt nebeneinander mit detaillierten Benchmark-Werten, Preisen und Performance-Metriken. Unser interaktiver Vergleich hilft Ihnen bei der Bewertung von Modellen von OpenAI, Anthropic, Google, Meta, DeepSeek und weiteren Anbietern. In unserer KI-Rangliste finden Sie weitere Modelle.
Composite-Indizes verstehen
- Intelligenz-Index: Aggregierter Wert aus MMLU-Pro, GPQA und HLE - misst allgemeine Reasoning- und Wissensfaehigkeiten
- Coding-Index: Kombinierte Metrik aus LiveCodeBench, SciCode und LiveCodeBench Review - bewertet Programmierfaehigkeit ueber mehrere Sprachen
- Mathe-Index: Kombinierter Wert aus AIME, AIME 2025 und MATH-500 - bewertet mathematisches Reasoning von Schul- bis Wettbewerbsniveau
Wichtige Vergleichsmetriken
- Benchmark-Werte: Standardisierte Tests fuer Intelligenz, Coding, Mathe und Spezialfaehigkeiten - hoehere Prozentwerte bedeuten bessere Leistung
- Preisanalyse: Vergleicht Input- und Output-Tokenkosten - wichtig fuer Budgetplanung und Skalierung
- Performance-Metriken: Durchsatz (Tokens/Sekunde) und Latenzwerte fuer die Echtzeit-Planung
- Kontextfenster: Maximale Token-Kapazitaet fuer Dokumente und Verlauf
So vergleichen Sie KI-Modelle effektiv
Leistung vs. Kosten
Waegen Sie Benchmark-Leistung gegen Tokenkosten ab - Flaggschiffmodelle sind oft 10-15% besser, aber 5-10x teurer als kleinere Alternativen
Aufgabenspezifische Auswahl
Priorisieren Sie passende Indizes: Coding fuer Entwicklung, Mathe fuer STEM, Intelligenz fuer allgemeines Reasoning
Praxistest
Nutzen Sie unsere kostenlose KI-Chat-Oberflaeche um Modelle mit Ihren echten Prompts zu testen, bevor Sie in die API-Integration gehen
Alle Benchmark-Werte, Preisdaten und Performance-Metriken stammen von Artificial Analysis und werden taeglich aktualisiert. Vergleichen Sie Modelle nach Intelligenz, Coding, Mathe, Geschwindigkeit, Kosten oder Veroeffentlichungsdatum in unserer umfassenden KI-Rangliste.