#107 GPT-5.6 Luna
low- 成本
- $0.011
- 时间
- 10.2s
- 令牌
- 1,897 tok
AI BENCHY 对比
OpenAI: GPT-5.6 Luna vs StepFun: Step 3.5 Flash
摘要
GPT-5.6 Luna (low) vs Step 3.5 Flash (medium) benchmark 对比：Step 3.5 Flash (medium) 平均分领先，为 6.6 vs 6.2。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.070 vs $0.141。 GPT-5.6 Luna (low) 更快，为 4.35s vs 72.53s，通过率为 57.1% vs 54.0%。
推荐模型: Step 3.5 Flash (medium) - 它在这里得分最高（6.6），同时成本比GPT-5.6 Luna (low)低约 2.0 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 low | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 6.2 | 6.6 |
| 排名 | #107 | #93 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.5 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 57.1% | 54.0% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 63 | 60 |
| 每个结果成本 | 1.404 | 0.198 |
| 总成本 | $0.141 | $0.070 |
| 输入价格 | $1.000 / 1M | $0.100 / 1M |
| 输出价格 | $6.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 34,218 | 34,431 |
| 输出令牌 | 2,110 | 91,587 |
| 推理令牌 | 15,571 | 195,973 |
| 响应时间（平均） | 4.35s | 72.53s |
| 响应时间（最大） | 18.06s | 453.94s |
| 响应时间（总计） | 91.45s | 1015.47s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#93 Step 3.5 Flash
medium- 成本
- $0.008
- 时间
- 277.1s
- 令牌
- 23,695 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 | 2.21s | 606 | 186 | 722 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 | 10.0 | 33.3% | 0 | 4.61s | 7,302 | 557 | 3,535 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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 | 2.8 | 1.6 | 33.3% | 1 | 7.99s | 11,019 | 300 | 1,060 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 13,638 | 1,176 | 12,984 |
| 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 | 2.14s | 7,140 | 234 | 292 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 10.05s | 723 | 70 | 6,718 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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 | 2.25s | 477 | 122 | 169 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 | 8.5 | 6.8 | 83.3% | 1 | 2.04s | 660 | 93 | 259 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 | 3.59s | 642 | 271 | 1,207 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 | 4.43s | 5,454 | 250 | 177 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 | 4.86s | 195 | 27 | 1,432 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
快速对比
切换对比组合
Seed-2.0-LitenonevsGPT-5.6 LunalowGemini 2.5 FlashnonevsGPT-5.6 LunalowGemini 3.1 Flash LiteminimalvsGPT-5.6 LunalowGemini 3.1 Flash LitenonevsGPT-5.6 LunalowGPT-5.6 LunalowvsQwen3.5-FlashnoneGPT-5.6 LunalowvsQwen3.5-35B-A3BmediumGemma 4 31Bnone免费可用vsGPT-5.6 LunalowGemma 4 31Bmedium免费可用vsGPT-5.6 LunalowGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumNemotron 3 Supermedium免费可用vsGPT-5.6 LunalowNemotron 3 Ultra 550b A55bnone免费可用vsGPT-5.6 LunalowGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium