Advertise here
#73

GPT-6 Luna

OpenAI Lansare: 2026-09-23 Testat la: 2026-09-23 05:18 openai/gpt-6-luna::high
~400B în total (~17B activi)MoEÎnchisEstimat
(high) (medium) (low) (none)

Rezumat

GPT-6 Luna obține 8.3 pe AI BENCHY și este pe #73. Are fiabilitate 10.0, rată de reușită 75.8%, cost total $0.054 și timp mediu de răspuns 17.53s.

Ce face GPT-6 Luna unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Programare este zona cea mai slabă, la #13. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Date despre model

Documentat la 2026-09-23

Estimat
Parametri
~400B în total (~17B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor Sursa disponibilității

Scor

8.3

Consistență

9.0

Fiabilitate

10.0

Cost total (preț curent)

$0.054

Total tokenuri de ieșire

91,405

Total tokenuri de intrare

80,441

Preț de intrare

$0.100 / 1M

Preț de ieșire

$0.500 / 1M

Teste corecte

Teste greșite: 7

Rată de trecere pe încercare: 75.8%

Teste instabile

3

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

17.53s

Timp de răspuns (maxim): 106.93s

Timp de răspuns (total): 385.74s

Răspuns greșit: 6 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#73 GPT-6 Luna

high
Cost
$0.003
Timp
49.2s
Tokenuri
5,231 tok

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

GPT-6 LunahighvsMuse Spark 1.1lowGPT-6 LunahighvsClaude Fable 5.1mediumGPT-6 LunahighvsDeepSeek V4.1 FlashmaxGPT-6 LunahighvsGemini 2.5 FlashmediumGPT-6 LunahighvsGLM 5.3 FlashXmaxGPT-6 LunahighvsMuse Spark 1.3lowGPT-6 LunahighvsInkling SmallhighGPT-6 LunahighvsClaude Sonnet 5mediumGPT-6 LunahighvsGPT-6 SollowGPT-6 LunahighvsQwen3.8 2.4T A95Blow

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 7.8 7.4
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.9 7.2
Inteligență generală 5.1 10.0
Respectarea instrucțiunilor 8.4 6.9
Rezolvare de puzzle-uri 7.8 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate