AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs xAI: Grok 4.5

Сводка

Сравнение benchmark GPT-5.6 Luna (high) vs Grok 4.5 (low): Grok 4.5 (low) лидирует по среднему баллу: 7.8 vs 7.7. Grok 4.5 (low) имеет более низкую стоимость benchmark: $0.760 vs $0.924. Grok 4.5 (low) быстрее: 15.48s vs 18.39s, с долей успешных попыток 71.4% vs 74.6%.

Рекомендуемая модель: Grok 4.5 (low) - У него самый высокий балл в этом сравнении (7.8) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика	GPT-5.6 Luna GPT-5.6 Luna high Релиз: 2026-07-09	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08

Метрика	GPT-5.6 Luna GPT-5.6 Luna high Релиз: 2026-07-09	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08
Оценка	7.7	7.8
Ранг	#50	#39
Надежность	10.0	10.0
Стабильность	8.8	9.7
Тестов верно
Доля успешных попыток	71.4%	74.6%
Нестабильные тесты	3	1
Всего запусков	63	63
Стоимость за результат	6.594	5.061
Общая стоимость	$0.924	$0.760
Цена входа	$1.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	35,699	58,652
Выходные токены	2,079	1,735
Токены рассуждений	145,816	105,233
Время ответа (среднее)	18.39s	15.48s
Время ответа (макс.)	111.09s	205.28s
Время ответа (суммарно)	386.24s	324.98s

Генерация showcase

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high

Стоимость: $0.033
Время: 34.2s
Токены: 5,484 tok

#39 xAI: Grok 4.5

low

Стоимость: $0.011
Время: 12.4s
Токены: 2,018 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	10.0	10.0	100.0%	0		13.29s	12,500	357	2,911
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	7.7	10.0	66.7%	0		78.96s	723	69	96,395
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Быстрое сравнение

Сменить пару сравнения

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGrok 4.5low GPT-5.6 TerramediumvsGrok 4.5low GPT-5.6 LunahighvsGrok 4.3medium Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Claude Opus 4.8lowvsGPT-5.6 Lunahigh Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low GPT-5.6 LunahighvsQwen3.5-122B-A10Bmedium Gemini 3.1 Flash LitemediumvsGrok 4.5low