OpenAI: GPT-5.6 Luna vs OpenAI: GPT-5.6 Terra

GPT-5.6 Terra (medium) 平均分领先，为 7.8 vs 7.7。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.676 vs $1.017。 GPT-5.6 Terra (medium) 更快，为 7.11s vs 18.68s，通过率为 72.7% vs 69.7%。

推荐模型GPT-5.6 Terra (medium)它在这里得分最高（7.8），同时成本比GPT-5.6 Luna (high)低约 1.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数	7.7	7.8
排名	#51	#46
可靠性	10.0	10.0
一致性	8.9	9.3
测试正确
尝试通过率	72.7%	69.7%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	6.780	4.825
总成本	$1.017	$0.676
输入价格	$1.000 / 1M	$2.500 / 1M
输出价格	$6.000 / 1M	$15.000 / 1M
总输入令牌	80,918	79,175
输出令牌	5,088	4,878
推理令牌	150,910	26,952
响应时间（平均）	18.68s	7.11s
响应时间（最大）	111.09s	41.68s
响应时间（总计）	411.05s	156.42s

Hamster playing table tennis

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

#51 GPT-5.6 Luna

high

成本: $0.033
时间: 34.2s
令牌: 5,484 tok

#46 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 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

类别:

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-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265
GPT-5.6 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657

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-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746
GPT-5.6 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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-5.6 Luna	10.0	10.0	100.0%	0		19.05s	57,719	3,366	8,005
GPT-5.6 Terra	10.0	10.0	100.0%	0		11.10s	55,976	3,212	2,122

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-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470
GPT-5.6 Terra	10.0	10.0	100.0%	0		872ms	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-5.6 Luna	7.7	10.0	66.7%	0		78.96s	723	69	96,395
GPT-5.6 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327

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-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563
GPT-5.6 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144

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-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481
GPT-5.6 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261

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-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281
GPT-5.6 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324
GPT-5.6 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380
GPT-5.6 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206

快速对比

切换对比组合

Claude Opus 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGLM 5medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Claude Opus 4.8lowvsGPT-5.6 Terramedium MiniMax M3mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGrok Build 0.1medium Kimi K3maxvsGPT-5.6 Terramedium Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGLM 5.2medium GPT-5.6 LunahighvsQwen3.6 Plusmedium Nemotron 3 Ultramedium免费可用vsGPT-5.6 Lunahigh Claude Opus 5nonevsGPT-5.6 Lunahigh