OpenAI: GPT-5.6 Luna vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus (medium) 平均分领先，为 7.9 vs 7.7。 Qwen3.7 Plus (medium) benchmark 成本更低，为 $0.267 vs $1.017。 GPT-5.6 Luna (high) 更快，为 18.68s vs 51.51s，通过率为 72.7% vs 75.8%。

推荐模型Qwen3.7 Plus (medium)它在这里得分最高（7.9），同时成本比GPT-5.6 Luna (high)低约 3.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数	7.7	7.9
排名	#42	#34
可靠性	10.0	10.0
一致性	8.9	8.9
测试正确
尝试通过率	72.7%	75.8%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	6.780	2.072
总成本	$1.017	$0.267
输入价格	$1.000 / 1M	$0.320 / 1M
输出价格	$6.000 / 1M	$1.280 / 1M
总输入令牌	80,918	115,233
输出令牌	5,088	6,162
推理令牌	150,910	173,267
响应时间（平均）	18.68s	51.51s
响应时间（最大）	111.09s	315.30s
响应时间（总计）	411.05s	1133.15s

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

#34 Qwen3.7 Plus

medium

成本: $0.018
时间: 193.2s
令牌: 10,821 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
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

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 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

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
Qwen3.7 Plus	8.2	6.9	66.7%	1		190.27s	89,228	4,403	57,645

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

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
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

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
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

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 MiniMax M3mediumvsGPT-5.6 Lunahigh GPT-5.6 TerrahighvsQwen3.7 Plusmedium Kimi K3maxvsQwen3.7 Plusmedium GPT-5.6 LunahighvsGrok Build 0.1medium Claude Opus 4.8lowvsQwen3.7 Plusmedium 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