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 4.5

摘要

GPT-5.6 Luna (high) vs Grok 4.5 (low) benchmark 对比：Grok 4.5 (low) 平均分领先，为 7.8 vs 7.7。 Grok 4.5 (low) benchmark 成本更低，为 $0.760 vs $0.924。 Grok 4.5 (low) 更快，为 15.48s vs 18.39s，通过率为 71.4% vs 74.6%。

推荐模型: Grok 4.5 (low) - 它在本次比较中得分最高（7.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 7.7 7.8
排名 #50 #39
可靠性 10.0 10.0
一致性 8.8 9.7
测试正确
尝试通过率 71.4% 74.6%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 6.594 5.061
总成本 $0.924 $0.760
输入价格 $1.000 / 1M $2.000 / 1M
输出价格 $6.000 / 1M $6.000 / 1M
总输入令牌 35,699 58,652
输出令牌 2,079 1,735
推理令牌 145,816 105,233
响应时间（平均） 18.39s 15.48s
响应时间（最大） 111.09s 205.28s
响应时间（总计） 386.24s 324.98s

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

#39 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 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 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Sonnet 4.6mediumvsGrok 4.5lowGPT-5.6 TerramediumvsGrok 4.5lowGPT-5.6 LunahighvsGrok 4.3mediumQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumGemini 3.1 Flash LitemediumvsGrok 4.5low