OpenAI: GPT-5.6 Luna vs Qwen: Qwen3.7 Max

GPT-5.6 Luna (medium) 平均分领先，为 7.6 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $0.352。 Qwen3.7 Max 更快，为 4.52s vs 7.28s，通过率为 65.2% vs 68.2%。

推荐模型Qwen3.7 Max它的得分接近这里的最高分（7.4 vs 7.6），同时成本比GPT-5.6 Luna (medium)低约 1.8 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 medium 发布日期: 2026-07-09	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22

指标	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数	7.6	7.4
排名	#48	#57
可靠性	10.0	9.9
一致性	9.6	10.0
测试正确
尝试通过率	65.2%	68.2%
不稳定测试	1	0
总运行次数	66	66
每个结果成本	2.513	1.582
总成本	$0.352	$0.197
输入价格	$1.000 / 1M	$1.475 / 1M
输出价格	$6.000 / 1M	$4.425 / 1M
总输入令牌	89,676	95,983
输出令牌	5,699	12,446
推理令牌	37,980	0
响应时间（平均）	7.28s	4.52s
响应时间（最大）	29.85s	72.30s
响应时间（总计）	160.27s	99.52s

Hamster playing table tennis

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

#48 GPT-5.6 Luna

medium

成本: $0.014
时间: 14.6s
令牌: 2,362 tok

#57 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 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		2.52s	606	160	987
Qwen3.7 Max	6.5	10.0	50.0%	0		1.08s	696	242	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	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928
Qwen3.7 Max	5.5	10.0	33.3%	0		1.35s	7,911	582	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		14.59s	66,477	3,926	4,594
Qwen3.7 Max	6.5	10.0	50.0%	0		37.23s	68,425	10,623	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		1.95s	7,140	234	324
Qwen3.7 Max	10.0	10.0	100.0%	0		1.35s	7,794	243	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	10.0	33.3%	0		17.37s	723	68	16,531
Qwen3.7 Max	7.7	10.0	66.7%	0		975ms	789	15	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	5.1	10.0	0.0%	0		4.34s	477	112	496
Qwen3.7 Max	10.0	10.0	100.0%	0		1.04s	522	120	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		2.38s	660	95	393
Qwen3.7 Max	10.0	10.0	100.0%	0		943ms	711	72	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	7.8	10.0	66.7%	0		4.04s	642	255	2,104
Qwen3.7 Max	10.0	10.0	100.0%	0		1.13s	714	314	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		6.02s	5,454	256	244
Qwen3.7 Max	10.0	10.0	100.0%	0		3.92s	8,211	222	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		6.64s	195	29	2,379
Qwen3.7 Max	3.0	10.0	0.0%	0		856ms	210	13	0

快速对比

切换对比组合

GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone GPT-5.4 NanomediumvsQwen3.7 Maxnone DeepSeek V4 ProhighvsGPT-5.6 Lunamedium Kimi K2.7 CodemediumvsQwen3.7 Maxnone DeepSeek V4 FlashhighvsGPT-5.6 Lunamedium Nemotron 3 Ultramedium免费可用vsQwen3.7 Maxnone Gemini 3.1 Flash Lite PreviewmediumvsQwen3.7 Maxnone Gemini 3.1 Flash LitemediumvsQwen3.7 Maxnone Qwen3.7 MaxnonevsGrok Build 0.1medium