AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.6 Luna

Ringkasan

GPT-5.6 Luna (high) unggul dalam skor rata-rata dengan 7.7 vs 7.0. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $1.017. GPT-5.6 Luna (high) lebih cepat di 18.68s vs 68.62s, dengan tingkat keberhasilan 65.2% vs 72.7%.

Model yang direkomendasikanGPT-5.6 Luna (high)It has the best score here (7.7), while responding about 3.7x faster than DeepSeek V3.2 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GPT-5.6 Luna GPT-5.6 Luna high Rilis: 2026-07-09

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GPT-5.6 Luna GPT-5.6 Luna high Rilis: 2026-07-09
Skor	7.0	7.7
Peringkat	#73	#42
Keandalan	10.0	10.0
Konsistensi	7.4	8.9
Tes benar
Tingkat lulus per percobaan	65.2%	72.7%
Tes tidak stabil	7	3
Total Run	66	66
Biaya per hasil	0.671	6.780
Total Biaya	$0.078	$1.017
Harga input	$0.269 / 1M	$1.000 / 1M
Harga output	$0.400 / 1M	$6.000 / 1M
Total token input	101,047	80,918
Token output	11,834	5,088
Token penalaran	117,014	150,910
Waktu respons (rata-rata)	68.62s	18.68s
Waktu respons (maks)	376.10s	111.09s
Waktu respons (total)	1509.53s	411.05s

Showcase generasi

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#42 GPT-5.6 Luna

high

Biaya: $0.033
Waktu: 34.2s
Token: 5,484 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
GPT-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
GPT-5.6 Luna	10.0	10.0	100.0%	0		19.05s	57,719	3,366	8,005

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
GPT-5.6 Luna	7.7	10.0	66.7%	0		78.96s	723	69	96,395

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
GPT-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
GPT-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
GPT-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
GPT-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
GPT-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGLM 5medium DeepSeek V3.2mediumvsGemini 3.5 Flashnone Claude Opus 4.8lowvsGPT-5.6 Lunahigh MiniMax M3mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGrok Build 0.1medium DeepSeek V3.2mediumvsGPT-5.6 Solnone Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGLM 5.2medium GPT-5.6 LunahighvsQwen3.6 Plusmedium Nemotron 3 UltramediumTersedia gratisvsGPT-5.6 Lunahigh DeepSeek V3.2mediumvsQwen3.7 Plusnone