#25 Gemini 2.5 Flash
medium
无效SVG
- 成本
- $0.000
- 时间
- 274.0s
- 令牌
- 0 tok
Google: Gemini 2.5 Flash vs OpenAI: GPT-5.6 Luna
Gemini 2.5 Flash (medium) 平均分领先，为 8.2 vs 7.7。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.643 vs $1.017。 GPT-5.6 Luna (high) 更快，为 18.68s vs 21.18s，通过率为 71.2% vs 72.7%。
推荐模型Gemini 2.5 Flash (medium)它在这里得分最高（8.2），同时成本比GPT-5.6 Luna (high)低约 1.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash medium | GPT-5.6 Luna GPT-5.6 Luna high |
|---|---|---|
| 分数 | 8.2 | 7.7 |
| 排名 | #25 | #42 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 72.7% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.286 | 6.780 |
| 总成本 | $0.643 | $1.017 |
| 输入价格 | $0.300 / 1M | $1.000 / 1M |
| 输出价格 | $2.500 / 1M | $6.000 / 1M |
| 总输入令牌 | 132,498 | 80,918 |
| 输出令牌 | 12,739 | 5,088 |
| 推理令牌 | 228,464 | 150,910 |
| 响应时间（平均） | 21.18s | 18.68s |
| 响应时间（最大） | 140.50s | 111.09s |
| 响应时间（总计） | 465.89s | 411.05s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#42 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 492 | 255 | 10,233 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.8 | 10.0 | 66.7% | 0 | 41.01s | 6,669 | 543 | 32,303 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 84.47s | 110,544 | 11,112 | 95,241 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 7,257 | 279 | 2,325 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 633 | 18 | 80,702 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 486 | 92 | 1,899 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 615 | 69 | 1,203 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.18s | 558 | 126 | 2,499 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 5,088 | 234 | 1,140 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 2.76s | 156 | 11 | 919 | |
| 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 LunahighGPT-5.6 LunahighvsGLM 5mediumGemini 2.5 FlashmediumvsMuse Spark 1.1lowClaude Opus 4.8lowvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGLM 5.2mediumGPT-5.6 LunahighvsQwen3.6 PlusmediumNemotron 3 Ultramedium免费可用vsGPT-5.6 LunahighGemini 2.5 FlashmediumvsMuse Spark 1.1highKimi K2.7 CodemediumvsGPT-5.6 Lunahigh