GPT-5.6 Luna (high) vs Step 3.7 Flash (low)

推荐模型 GPT-5.6 Luna (high)

它在这里得分最高（7.6），同时成本比Step 3.7 Flash (low)低约 2.2 倍。

详细对比

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	7.6	7.1
排名	#78	#113
可靠性	10.0	10.0
一致性	8.5	8.1
尝试次数	66/66	66/66
测试正确
尝试通过率	69.7%	63.6%
不稳定测试	4	5
总运行次数	66	66
每个结果成本	6.100	3.539
总成本	$0.179	$0.390
输入价格	$0.200 / 1M	$0.200 / 1M
输出价格	$1.200 / 1M	$1.150 / 1M
总输入令牌	80,927	103,842
输出令牌	5,088	320,393
推理令牌	130,227	0
响应时间（平均）	16.49s	17.87s
响应时间（最大）	111.09s	124.75s
响应时间（总计）	362.78s	393.04s
参数量	~400B 总计 (~17B 激活)	198B 总计 (11B 激活)
开放状态	闭源	开源

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

high

low

无效SVG

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
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	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-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	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-5.6 Luna	10.0	10.0	100.0%	0		19.05s	57,719	3,366	8,005
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	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-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	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	5.3	7.2	44.4%	1		62.87s	732	69	75,712
Step 3.7 Flash	2.9	7.2	11.1%	1		22.65s	837	48,299	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-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	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-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	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-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	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-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	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-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

切换对比组合