नेव्हिगेशन
AI BENCHY
Advertise here

GPT-5.6 Luna (high) vs Step 3.7 Flash (low)

GPT-5.6 Luna (high) average score मध्ये पुढे आहे: 7.6 vs 7.1. GPT-5.6 Luna (high) चा benchmark खर्च कमी आहे: $0.179 vs $0.390. GPT-5.6 Luna (high) वेगवान आहे: 16.49s vs 17.87s, pass rates 69.7% vs 63.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-20

क्रमांक
#78
एकूण आउटपुट टोकन्स
135,315
प्रतिसाद वेळ (सरासरी)
16.49s
एकूण खर्च
$0.179
क्रमांक
#113
एकूण आउटपुट टोकन्स
320,393
प्रतिसाद वेळ (सरासरी)
17.87s
एकूण खर्च
$0.390
शिफारस केलेले मॉडेल GPT-5.6 Luna (high)

It has the best score here (7.6), while costing about 2.2x less than Step 3.7 Flash (low).

तपशीलवार तुलना

मेट्रिक GPT-5.6 Luna GPT-5.6 Luna high प्रकाशन: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29
स्कोअर 7.6 7.1
क्रमांक #78 #113
विश्वसनीयता 10.0 10.0
सुसंगतता 8.5 8.1
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 69.7% 63.6%
अस्थिर चाचण्या 4 5
एकूण रन 66 66
प्रति निकाल खर्च 6.100 3.539
एकूण खर्च $0.179 $0.390
इनपुट किंमत $0.200 / 1M $0.200 / 1M
आउटपुट किंमत $1.200 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 80,927 103,842
आउटपुट टोकन्स 5,088 320,393
रिझनिंग टोकन्स 130,227 0
प्रतिसाद वेळ (सरासरी) 16.49s 17.87s
प्रतिसाद वेळ (कमाल) 111.09s 124.75s
प्रतिसाद वेळ (एकूण) 362.78s 393.04s
पॅरामीटर्स ~400B एकूण (~17B सक्रिय) 198B एकूण (11B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#78 GPT-5.6 Luna

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

#113 Step 3.7 Flash

low
अवैध SVG
खर्च
$0.004
वेळ
25.3s
टोकन्स
3,072 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

झटपट तुलना

तुलना जोडी बदला

GPT-5.6 LunahighvsSolar Pro 4xhighNemotron 3 Ultramediumमोफत उपलब्धvsGPT-5.6 LunahighClaude Opus 5nonevsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highMuse Glimmer 30BmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowMiniMax M3mediumvsGPT-5.6 LunahighMuse Glimmer 30BhighvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5 Plus 2026-02-15mediumStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 LunahighvsQwen3.5-27Bmedium