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

OpenAI: GPT-5.5 vs OpenAI: GPT-5.6 Luna

摘要

GPT-5.5 (low) vs GPT-5.6 Luna benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 5.3。 GPT-5.6 Luna benchmark 成本更低，为 $0.047 vs $0.907。 GPT-5.6 Luna 更快，为 1.06s vs 9.76s，通过率为 85.7% vs 36.5%。

推荐模型: GPT-5.5 (low) - 它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

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

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09
分数 9.3 5.3
排名 #7 #142
可靠性 10.0 10.0
一致性 10.0 8.8
测试正确
尝试通过率 85.7% 36.5%
不稳定测试 0 3
总运行次数 63 63
每个结果成本 5.035 0.767
总成本 $0.907 $0.047
输入价格 $5.000 / 1M $1.000 / 1M
输出价格 $30.000 / 1M $6.000 / 1M
总输入令牌 34,209 34,218
输出令牌 2,046 1,967
推理令牌 22,460 0
响应时间（平均） 9.76s 1.06s
响应时间（最大） 56.19s 2.80s
响应时间（总计） 204.92s 22.34s

生成展示

Hamster playing table tennis

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

#7 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 tok

#142 GPT-5.6 Luna

none
成本
$0.016
时间
15.8s
令牌
2,685 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
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
GPT-5.6 Luna 4.8 10.0 25.0% 0 901ms 606 266 0
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
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
GPT-5.6 Luna 3.8 7.2 22.2% 1 980ms 7,302 459 0
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
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
GPT-5.6 Luna 3.0 10.0 0.0% 0 2.78s 11,019 280 0
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
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
GPT-5.6 Luna 10.0 10.0 100.0% 0 758ms 7,140 222 0
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
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
GPT-5.6 Luna 2.9 7.2 11.1% 1 737ms 723 54 0
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
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
GPT-5.6 Luna 5.0 10.0 0.0% 0 1.00s 477 150 0
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
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
GPT-5.6 Luna 7.1 5.8 83.3% 1 1.23s 660 86 0
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
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
GPT-5.6 Luna 5.3 10.0 33.3% 0 790ms 642 202 0
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
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
GPT-5.6 Luna 10.0 10.0 100.0% 0 2.80s 5,454 222 0
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
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
GPT-5.6 Luna 3.0 10.0 0.0% 0 651ms 195 26 0

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowMiniMax M2.7mediumvsGPT-5.6 LunanoneGemini 3.5 FlashmediumvsGPT-5.5lowMistral Small 4mediumvsGPT-5.6 LunanoneGemini 3 Flash PreviewmediumvsGPT-5.5lowCobuddymediumvsGPT-5.6 LunanoneGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowNorth Mini Codemedium免费可用vsGPT-5.6 Lunanone