AI BENCHY
Advertise here
#47

GPT-5.6 Luna

OpenAI प्रकाशन: 2026-07-09 चाचणी तारीख: 2026-07-16 22:37 openai/gpt-5.6-luna::medium
~400B एकूण (~17B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low) (none)

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

अंदाजित
पॅरामीटर्स
~400B एकूण (~17B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.6

सुसंगतता

9.6

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.352

एकूण आउटपुट टोकन्स

43,679

एकूण इनपुट टोकन्स

89,676

इनपुट किंमत

$1.000 / 1M

आउटपुट किंमत

$6.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 8

प्रति प्रयत्न पास दर: 65.2%

अस्थिर चाचण्या

1

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

7.28s

प्रतिसाद वेळ (कमाल): 29.85s

प्रतिसाद वेळ (एकूण): 160.27s

चुकीचे उत्तर: 8

Hamster playing table tennis

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

#47 GPT-5.6 Luna

medium
खर्च
$0.014
वेळ
14.6s
टोकन्स
2,362 tok

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.

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.

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

तुलना केलेली मॉडेल्स