- 排名
- #162
- 总输出令牌
- 4,915
- 响应时间（平均）
- 2.35s
- 总成本
- $0.544
GPT-5.5 vs GPT-6 Luna (low)
平均分几乎持平，为 7.0 vs 7.0。 GPT-6 Luna (low) benchmark 成本更低，为 $0.020 vs $0.544。 GPT-5.5 更快，为 2.35s vs 21.96s，通过率为 59.1% vs 62.1%。
已对比模型
- 排名
- #159
- 总输出令牌
- 22,605
- 响应时间（平均）
- 21.96s
- 总成本
- $0.020
推荐模型
GPT-6 Luna (low)
它在这里得分最高（7.0），同时成本比GPT-5.5低约 28.2 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 none | GPT-6 Luna GPT-6 Luna low |
|---|---|---|
| 分数 | 7.0 | 7.0 |
| 排名 | #162 | #159 |
| 可靠性 | 10.0 | 9.6 |
| 一致性 | 9.2 | 8.5 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 59.1% | 62.1% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.533 | 0.176 |
| 总成本 | $0.544 | $0.020 |
| 输入价格 | $5.000 / 1M | $0.100 / 1M |
| 输出价格 | $30.000 / 1M | $0.500 / 1M |
| 总输入令牌 | 79,294 | 80,159 |
| 输出令牌 | 4,915 | 4,623 |
| 推理令牌 | 0 | 17,982 |
| 响应时间（平均） | 2.35s | 21.96s |
| 响应时间（最大） | 12.24s | 89.37s |
| 响应时间（总计） | 51.78s | 483.19s |
| 参数量 | ~1.5T 总计 (~100B 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.
#162 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
#159 GPT-6 Luna
low- 成本
- $0.002
- 时间
- 19.2s
- 令牌
- 2,598 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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 606 | 213 | 0 | |
| GPT-6 Luna | 6.9 | 7.9 | 66.7% | 1 | 11.00s | 554 | 130 | 704 |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 0 | |
| GPT-6 Luna | 6.0 | 7.2 | 55.6% | 1 | 15.39s | 7,302 | 493 | 6,655 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 0 | |
| GPT-6 Luna | 7.3 | 5.8 | 83.3% | 1 | 49.77s | 57,227 | 3,023 | 2,271 |
| 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 | 1.18s | 7,140 | 222 | 0 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 9.94s | 7,140 | 234 | 250 |
| 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 | 1.27s | 732 | 52 | 0 | |
| GPT-6 Luna | 5.3 | 10.0 | 33.3% | 0 | 18.09s | 628 | 62 | 5,990 |
| 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 | 3.41s | 477 | 124 | 0 | |
| GPT-6 Luna | 4.4 | 9.9 | 0.0% | 0 | 1.46s | 477 | 102 | 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 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 0 | |
| GPT-6 Luna | 7.1 | 5.8 | 83.3% | 1 | 17.38s | 540 | 84 | 250 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 0 | |
| GPT-6 Luna | 7.7 | 10.0 | 66.7% | 0 | 27.45s | 642 | 213 | 1,272 |
| 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 | 3.90s | 5,445 | 247 | 0 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 71.65s | 5,454 | 254 | 152 |
| 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 | 5.01s | 195 | 18 | 0 | |
| GPT-6 Luna | 3.0 | 10.0 | 0.0% | 0 | 29.10s | 195 | 28 | 438 |
快速对比
切换对比组合
Mercury 2mediumvsGPT-5.5noneGPT-5.5nonevsGLM 5.1mediumGPT-6 LunalowvsGrok 4.3mediumGPT-5.5nonevsGrok 4.20mediumDeepSeek V3.2mediumvsGPT-6 LunalowDeepSeek V3.2mediumvsGPT-5.5noneSeed-2.0-MinimediumvsGPT-5.5noneKimi K2.5mediumvsGPT-5.5noneGPT-6 LunalowvsGLM 5.1mediumMercury 2mediumvsGPT-6 LunalowMercury 2.5highvsGPT-6 LunalowGPT-5.5nonevsGrok 4.3medium