导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs OpenAI: GPT-5.6 Luna

摘要

Claude Sonnet 5 (medium) vs GPT-5.6 Luna (high) benchmark 对比：Claude Sonnet 5 (medium) 平均分领先，为 7.9 vs 7.7。 Claude Sonnet 5 (medium) benchmark 成本更低，为 $0.550 vs $0.924。 Claude Sonnet 5 (medium) 更快，为 9.94s vs 18.39s，通过率为 79.4% vs 71.4%。

推荐模型: Claude Sonnet 5 (medium) - 它在这里得分最高（7.9），同时成本比GPT-5.6 Luna (high)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30 GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09
分数 7.9 7.7
排名 #35 #50
可靠性 10.0 10.0
一致性 9.0 8.8
测试正确
尝试通过率 79.4% 71.4%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 3.662 6.594
总成本 $0.550 $0.924
输入价格 $2.000 / 1M $1.000 / 1M
输出价格 $10.000 / 1M $6.000 / 1M
总输入令牌 67,416 35,699
输出令牌 34,012 2,079
推理令牌 7,673 145,816
响应时间（平均） 9.94s 18.39s
响应时间（最大） 56.94s 111.09s
响应时间（总计） 208.71s 386.24s

生成展示

Hamster playing table tennis

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

#35 Claude Sonnet 5

medium
成本
$0.007
时间
6.4s
令牌
832 tok

#50 GPT-5.6 Luna

high
成本
$0.033
时间
34.2s
令牌
5,484 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 3.80s 834 1,220 446
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 4.5 2.1 66.7% 1 37.01s 29,394 4,848 2,170
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 3.16s 10,503 312 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 7.7 10.0 66.7% 0 20.38s 975 12,140 1,994
GPT-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 4.8 3.2 33.3% 1 4.32s 708 264 0
GPT-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 9.9 10.0 100.0% 0 3.10s 909 318 269
GPT-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 7.7 10.0 66.7% 0 2.98s 894 407 121
GPT-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 10.70s 12,351 433 90
GPT-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 3.0 10.0 0.0% 0 7.06s 258 917 204
GPT-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

快速对比

切换对比组合

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighClaude Sonnet 5mediumvsGrok 4.5lowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsGPT-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