- 排名
- #66
- 总输出令牌
- 212,558
- 响应时间（平均）
- 65.89s
- 总成本
- $0.681
Seed-2.0-Code (low) vs GPT-5.6 Luna (high)
平均分几乎持平，为 7.7 vs 7.7。 GPT-5.6 Luna (high) benchmark 成本更低，为 $0.102 vs $0.681。 GPT-5.6 Luna (high) 更快，为 18.68s vs 65.89s，通过率为 80.3% vs 72.7%。
- 排名
- #69
- 总输出令牌
- 155,998
- 响应时间（平均）
- 18.68s
- 总成本
- $0.102
推荐模型
GPT-5.6 Luna (high)
它在这里得分最高（7.7），同时成本比Seed-2.0-Code (low)低约 6.7 倍。
详细对比
| 指标 | Seed-2.0-Code Seed-2.0-Code low | GPT-5.6 Luna GPT-5.6 Luna high |
|---|---|---|
| 分数 | 7.7 | 7.7 |
| 排名 | #66 | #69 |
| 可靠性 | 5.7 | 10.0 |
| 一致性 | 7.5 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 80.3% | 72.7% |
| 不稳定测试 | 7 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 5.235 | 6.780 |
| 总成本 | $0.681 | $0.102 |
| 输入价格 | $0.500 / 1M | $0.100 / 1M |
| 输出价格 | $3.000 / 1M | $0.600 / 1M |
| 总输入令牌 | 85,648 | 80,918 |
| 输出令牌 | 8,142 | 5,088 |
| 推理令牌 | 204,416 | 150,910 |
| 响应时间（平均） | 65.89s | 18.68s |
| 响应时间（最大） | 485.92s | 111.09s |
| 响应时间（总计） | 1449.53s | 411.05s |
| 参数量 | ~200B 总计 (~20B 激活) | ~400B 总计 (~17B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#66 Seed-2.0-Code
low
Provider returned error
- 成本
- $0.000
- 时间
- 0.3s
- 令牌
- 0 tok
#69 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 8.7 | 7.9 | 91.7% | 1 | 39.56s | 930 | 2,650 | 15,987 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 7.0 | 5.0 | 77.8% | 2 | 109.70s | 7,948 | 455 | 55,759 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 7.3 | 5.8 | 83.3% | 1 | 99.12s | 55,969 | 3,774 | 21,408 | |
| GPT-5.6 Luna | 10.0 | 10.0 | 100.0% | 0 | 19.05s | 57,719 | 3,366 | 8,005 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 10.0 | 10.0 | 100.0% | 0 | 24.88s | 8,046 | 246 | 1,639 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 4.1 | 4.4 | 44.5% | 2 | 191.85s | 966 | 16 | 103,875 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 6.5 | 3.4 | 66.7% | 1 | 11.14s | 579 | 179 | 1,117 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 9.8 | 10.0 | 100.0% | 0 | 12.20s | 828 | 72 | 1,034 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 9.9 | 10.0 | 100.0% | 0 | 12.50s | 885 | 445 | 2,470 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 10.0 | 10.0 | 100.0% | 0 | 55.56s | 9,315 | 296 | 637 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 3.0 | 10.0 | 0.0% | 0 | 10.02s | 182 | 9 | 490 | |
| 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
Claude Opus 4.6mediumvsGPT-5.6 LunahighSeed-2.0-CodelowvsGLM 5mediumGPT-5.6 LunahighvsSolar Pro 4xhighGPT-5.6 LunahighvsGLM 5mediumClaude Opus 4.6mediumvsSeed-2.0-CodelowSeed-2.0-CodelowvsSolar Pro 4xhighSeed-2.0-CodelowvsQwen3.7 FlashhighClaude Opus 4.8lowvsGPT-5.6 LunahighSeed-2.0-CodelowvsDeepSeek V4 FlashhighSeed-2.0-CodelowvsDeepSeek V4 ProhighMiniMax M3mediumvsGPT-5.6 LunahighClaude Sonnet 4.6mediumvsSeed-2.0-Codelow