导航
Advertise here

GPT-5.6 Luna (high) vs Qwen3.7 Max

GPT-5.6 Luna (high) 平均分领先,为 8.0 vs 7.9。 GPT-5.6 Luna (high) benchmark 成本更低,为 $0.118 vs $0.451。 Qwen3.7 Max 更快,为 7.85s vs 18.39s,通过率为 71.0% vs 69.6%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-16

已对比模型

排名
#149
总输出令牌
139,395
响应时间(平均)
18.39s
总成本
$0.118
排名
#159
总输出令牌
20,670
响应时间(平均)
7.85s
总成本
$0.451
推荐模型 GPT-5.6 Luna (high)

它在这里得分最高(8.0),同时成本比Qwen3.7 Max低约 3.8 倍。

详细对比

指标 GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09 Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数 8.0 7.9
排名 #149 #159
可靠性 10.0 9.9
一致性 8.6 10.0
尝试次数 69/69 69/69
测试正确
尝试通过率 71.0% 69.6%
不稳定测试 4 0
总运行次数 69 69
每个结果成本 5.882 3.070
总成本 $0.118 $0.451
输入价格 $0.200 / 1M $1.475 / 1M
输出价格 $1.200 / 1M $4.425 / 1M
缓存读取价格 $0.020 / 1M $0.295 / 1M
缓存写入价格 $0.250 / 1M $1.844 / 1M
总输入令牌 197,896 243,553
输出令牌 6,211 20,670
推理令牌 133,184 0
响应时间(平均) 18.39s 7.85s
响应时间(最大) 111.09s 80.34s
响应时间(总计) 422.93s 180.65s
参数量 ~400B 总计 (~17B 激活) ~1T 总计 (~40B 激活)
开放状态 闭源 闭源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#149 GPT-5.6 Luna

high
成本
$0.033
时间
34.2s
令牌
5,484 tok

#159 Qwen3.7 Max

none
成本
$0.046
时间
195.0s
令牌
12,171 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

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
Qwen3.7 Max 5.5 10.0 33.3% 0 1.35s 7,911 582 0

切换对比组合