Claude Opus 4.7 (medium) vs GPT-5.6 Luna (high)

Claude Opus 4.7 (medium) average score मध्ये पुढे आहे: 8.1 vs 8.0. GPT-5.6 Luna (high) चा benchmark खर्च कमी आहे: $0.207 vs $3.636. Claude Opus 4.7 (medium) वेगवान आहे: 14.12s vs 18.39s, pass rates 81.2% vs 71.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #88
एकूण आउटपुट टोकन्स: 57,978
प्रतिसाद वेळ (सरासरी): 14.12s
एकूण खर्च: $3.636

क्रमांक: #91
एकूण आउटपुट टोकन्स: 139,395
प्रतिसाद वेळ (सरासरी): 18.39s
एकूण खर्च: $0.207

शिफारस केलेले मॉडेल GPT-5.6 Luna (high)

Its score stays close to the best score here (8.0 vs 8.1), while costing about 17.6x less than Claude Opus 4.7 (medium).

तपशीलवार तुलना

मेट्रिक	Claude Opus 4.7 Claude Opus 4.7 medium प्रकाशन: 2026-04-16	GPT-5.6 Luna GPT-5.6 Luna high प्रकाशन: 2026-07-09

मेट्रिक	Claude Opus 4.7 Claude Opus 4.7 medium प्रकाशन: 2026-04-16	GPT-5.6 Luna GPT-5.6 Luna high प्रकाशन: 2026-07-09
स्कोअर	8.1	8.0
क्रमांक	#88	#91
विश्वसनीयता	10.0	10.0
सुसंगतता	9.3	8.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	81.2%	71.0%
अस्थिर चाचण्या	2	4
एकूण रन	69	69
प्रति निकाल खर्च	20.200	5.882
एकूण खर्च	$3.636	$0.207
इनपुट किंमत	$5.000 / 1M	$0.200 / 1M
आउटपुट किंमत	$25.000 / 1M	$1.200 / 1M
एकूण इनपुट टोकन्स	437,293	197,896
आउटपुट टोकन्स	29,102	6,211
रिझनिंग टोकन्स	28,876	133,184
प्रतिसाद वेळ (सरासरी)	14.12s	18.39s
प्रतिसाद वेळ (कमाल)	150.60s	111.09s
प्रतिसाद वेळ (एकूण)	310.55s	422.93s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	~400B एकूण (~17B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#88 Claude Opus 4.7

medium

खर्च: $0.059
वेळ: 26.8s
टोकन्स: 2,475 tok

#91 GPT-5.6 Luna

high

खर्च: $0.033
वेळ: 34.2s
टोकन्स: 5,484 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	5.2	3.2	33.3%	1		150.60s	292,044	4,154	23,834
GPT-5.6 Luna	10.0	10.0	100.0%	0		60.15s	116,969	1,123	2,957

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
GPT-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		43.42s	104,347	15,459	3,928
GPT-5.6 Luna	10.0	10.0	100.0%	0		19.05s	57,719	3,366	8,005

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	7.7	10.0	66.7%	0		1.19s	627	51	0
GPT-5.6 Luna	5.3	7.2	44.4%	1		62.87s	732	69	75,712

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
GPT-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
GPT-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
GPT-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
GPT-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
GPT-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380

झटपट तुलना

तुलना जोडी बदला

Claude Opus 4.7mediumvsDeepSeek V4 Flash 0423high Nemotron 3 Ultramediumमोफत उपलब्धvsGPT-5.6 Lunahigh Claude Opus 4.7mediumvsDeepSeek V4 Pro 0423high Claude Opus 4.7mediumvsDeepSeek V4.1 Flashlow DeepSeek V4.1 FlashlowvsGPT-5.6 Lunahigh Gemini 3.8 FlashmediumvsGPT-5.6 Lunahigh Claude Opus 4.7mediumvsSeed-2.0-Codelow GPT-5.6 LunahighvsQwen3.5-27Bmedium GPT-5.6 LunahighvsGLM 5.3 FlashXmax GPT-5.6 LunahighvsQwen3.7 Maxnone Claude Opus 4.7mediumvsGPT-5.6 Terralow Seed-2.0-CodelowvsGPT-5.6 Lunahigh