OpenAI: GPT-5.6 Luna vs Z.ai: GLM 5.2

GLM 5.2 (medium) 平均分领先，为 7.8 vs 7.7。 GLM 5.2 (medium) benchmark 成本更低，为 $0.213 vs $1.017。 GPT-5.6 Luna (high) 更快，为 18.68s vs 23.28s，通过率为 72.7% vs 80.3%。

推荐模型GLM 5.2 (medium)它在这里得分最高（7.8），同时成本比GPT-5.6 Luna (high)低约 4.8 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	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	7.7	7.8
排名	#42	#36
可靠性	10.0	9.5
一致性	8.9	8.0
测试正确
尝试通过率	72.7%	80.3%
不稳定测试	3	4
总运行次数	66	63
每个结果成本	6.780	2.159
总成本	$1.017	$0.213
输入价格	$1.000 / 1M	$0.919 / 1M
输出价格	$6.000 / 1M	$2.887 / 1M
总输入令牌	80,918	37,199
输出令牌	5,088	12,261
推理令牌	150,910	49,500
响应时间（平均）	18.68s	23.28s
响应时间（最大）	111.09s	101.36s
响应时间（总计）	411.05s	488.94s

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

#36 GLM 5.2

medium

成本: $0.041
时间: 195.8s
令牌: 9,287 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
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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
GLM 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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
GLM 5.2	5.0	5.0	50.0%	0		51.96s	12,696	458	4,531

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
GLM 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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
GLM 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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
GLM 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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
GLM 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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
GLM 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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
GLM 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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
GLM 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

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 Claude Opus 4.8lowvsGLM 5.2medium GPT-5.6 LunahighvsGrok Build 0.1medium GPT-5.6 TerrahighvsGLM 5.2medium Kimi K3maxvsGLM 5.2medium Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsQwen3.6 Plusmedium Nemotron 3 Ultramedium免费可用vsGPT-5.6 Lunahigh Kimi K2.7 CodemediumvsGPT-5.6 Lunahigh