Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.6 Luna

Rezumat

Comparație benchmark Claude Sonnet 4.6 (medium) vs GPT-5.6 Luna (high): Claude Sonnet 4.6 (medium) conduce la scorul mediu cu 7.8 vs 7.7. GPT-5.6 Luna (high) are costul de benchmark mai mic, $0.924 vs $1.418. Claude Sonnet 4.6 (medium) este mai rapid cu 17.06s vs 18.39s, cu rate de reușită de 65.1% vs 71.4%.

Model recomandat: GPT-5.6 Luna (high) - Scorul rămâne aproape de cel mai bun scor de aici (7.7 vs 7.8) și costă de aproximativ 1.5x mai puțin decât Claude Sonnet 4.6 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-09

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lansare: 2026-02-17 GPT-5.6 Luna GPT-5.6 Luna high Lansare: 2026-07-09
Scor 7.8 7.7
Rang #38 #50
Fiabilitate 10.0 10.0
Consistență 9.1 8.8
Teste corecte
Rată de trecere pe încercare 65.1% 71.4%
Teste instabile 2 3
Rulări totale 63 63
Cost per rezultat 10.904 6.594
Cost total $1.418 $0.924
Preț de intrare $3.000 / 1M $1.000 / 1M
Preț de ieșire $15.000 / 1M $6.000 / 1M
Total tokenuri de intrare 49,112 35,699
Tokenuri de ieșire 54,703 2,079
Tokenuri de raționament 29,970 145,816
Timp de răspuns (mediu) 17.06s 18.39s
Timp de răspuns (maxim) 46.35s 111.09s
Timp de răspuns (total) 221.83s 386.24s

Prezentare generare

Hamster playing table tennis

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

#38 Claude Sonnet 4.6

medium
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

#50 GPT-5.6 Luna

high
Cost
$0.033
Timp
34.2s
Tokenuri
5,484 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 789 1,046 1,093
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 18,351 5,871 3,962
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 8,676 649 742
GPT-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 2.9 7.2 11.1% 1 0ms 471 25,790 16,919
GPT-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 564 256 433
GPT-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 792 318 552
GPT-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 5.31s 816 592 646
GPT-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 11,454 655 351
GPT-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 3.0 10.0 0.0% 0 30.09s 204 3,437 1,586
GPT-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

Comparație rapidă

Schimbă perechea de comparație

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Sonnet 4.6mediumvsGrok 4.5lowGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumDisponibil gratuitvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGrok Build 0.1medium