导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.6 Luna vs xAI: Grok 4.3

摘要

GPT-5.6 Luna (high) vs Grok 4.3 (medium) benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 Grok 4.3 (medium) benchmark 成本更低，为 $0.614 vs $0.924。 GPT-5.6 Luna (high) 更快，为 18.39s vs 47.51s，通过率为 71.4% vs 71.4%。

推荐模型: GPT-5.6 Luna (high) - 它在这里得分最高（7.7），同时响应速度比Grok 4.3 (medium)快约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09 Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01
分数 7.7 7.7
排名 #50 #46
可靠性 10.0 10.0
一致性 8.8 8.5
测试正确
尝试通过率 71.4% 71.4%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 6.594 4.724
总成本 $0.924 $0.614
输入价格 $1.000 / 1M $1.250 / 1M
输出价格 $6.000 / 1M $2.500 / 1M
总输入令牌 35,699 44,472
输出令牌 2,079 1,981
推理令牌 145,816 221,382
响应时间（平均） 18.39s 47.51s
响应时间（最大） 111.09s 216.69s
响应时间（总计） 386.24s 997.68s

生成展示

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high
成本
$0.033
时间
34.2s
令牌
5,484 tok

#46 xAI: Grok 4.3

medium
成本
$0.009
时间
19.0s
令牌
3,661 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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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 13.29s 12,500 357 2,911
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

快速对比

切换对比组合

GPT-5.6 LunahighvsStep 3.7 FlashlowGPT-5.6 TerralowvsGrok 4.3mediumClaude Opus 4.6mediumvsGPT-5.6 LunahighStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 Lunahigh