#47 GPT-5.6 Luna
medium- खर्च
- $0.014
- वेळ
- 14.6s
- टोकन्स
- 2,362 tok
OpenAI
प्रकाशन: 2026-07-09
चाचणी तारीख: 2026-07-16 22:37
openai/gpt-5.6-luna::medium
~400B एकूण (~17B सक्रिय)MoEबंद स्रोतअंदाजित
सारांश
GPT-5.6 Luna AI BENCHY वर 7.6 स्कोर करते आणि #47 वर आहे. याची reliability 10.0, pass rate 65.2%, एकूण खर्च $0.352, आणि सरासरी response time 7.28s आहे.
GPT-5.6 Luna खास का आहे: हे सूचनांचे पालन मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #18. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- ~400B एकूण (~17B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.
7.6
सुसंगतता
9.6
10.0
$0.352
एकूण आउटपुट टोकन्स
43,679
एकूण इनपुट टोकन्स
89,676
इनपुट किंमत
$1.000 / 1M
आउटपुट किंमत
$6.000 / 1M
अस्थिर चाचण्या
1
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-08-14 02:20 पुन्हा चाचणी | 7.4 | 10.0 | $0.036 ↓ | तुलना करा | |
| 2026-07-16 22:37 नवीन चाचणी जोडली | 7.6 | 10.0 | $0.352 | सध्याची रन | |
| 2026-07-09 21:16 पहिला रन | 7.6 | 10.0 | $0.258 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-16 22:37 · नवीन चाचणी जोडली | 66/66 प्रयत्न | 7.6 | 9.6 | 10.0 | 14/22 | 1 | 43,679 | 89,676 | $0.352 | 7.28s |
| 2026-08-14 02:20 · पुन्हा चाचणी | 66/66 प्रयत्न | 7.4 | 9.2 | 10.0 | 13/22 | 2 | 44,525 | 89,685 | $0.036 | 7.43s |
| फरक | — | +0.1 | +0.4 | 0.0 | +1 | -1 | -846 | -9 | +$0.317 | -149ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत |
|---|---|---|
| 2026-07-09 21:18 | $1.000 / 1M | $6.000 / 1M |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
GPT-5.6 LunamediumvsKimi K2.7 CodemediumGPT-5.6 LunamediumvsLongCat 2.0mediumGPT-5.6 LunamediumvsQwen3.7 MaxnoneGPT-5.6 LunamediumvsQwen3.8 2.4T A95BhighGPT-5.6 LunamediumvsGemini 3.1 Flash Lite PreviewmediumGPT-5.6 LunamediumvsGrok 4.6lowGPT-5.6 LunamediumvsGrok Build 0.1mediumGPT-5.6 LunamediumvsGemini 3 Flash PreviewlowGPT-5.6 LunamediumvsGPT-5.4 MinimediumGPT-5.6 LunamediumvsClaude Sonnet 4.6none
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.3 | 10.0 | |
| कोडिंग | 5.4 | 7.2 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 5.1 | 10.0 | |
| सूचनांचे पालन | 9.9 | 10.0 | |
| कोडी सोडवणे | 7.8 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |