导航
AI BENCHY
Advertise here

AI BENCHY 对比

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

摘要

GPT-5.6 Luna (medium) vs Qwen3.7 Plus benchmark 对比：GPT-5.6 Luna (medium) 平均分领先，为 7.6 vs 7.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.023 vs $0.258。 Qwen3.7 Plus 更快，为 2.85s vs 6.70s，通过率为 63.5% vs 47.6%。

推荐模型: Qwen3.7 Plus - 它的得分接近这里的最高分（7.2 vs 7.6），同时成本比GPT-5.6 Luna (medium)低约 11.7 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 medium 发布日期: 2026-07-09 Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03
分数 7.6 7.2
排名 #54 #72
可靠性 10.0 10.0
一致性 9.6 10.0
测试正确
尝试通过率 63.5% 47.6%
不稳定测试 1 0
总运行次数 63 63
每个结果成本 1.978 0.276
总成本 $0.258 $0.023
输入价格 $1.000 / 1M $0.320 / 1M
输出价格 $6.000 / 1M $1.280 / 1M
总输入令牌 35,699 42,510
输出令牌 2,148 6,578
推理令牌 34,740 0
响应时间（平均） 6.70s 2.85s
响应时间（最大） 29.85s 29.38s
响应时间（总计） 140.62s 59.86s

生成展示

Hamster playing table tennis

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

#54 GPT-5.6 Luna

medium
成本
$0.014
时间
14.6s
令牌
2,362 tok

#72 Qwen3.7 Plus

none
成本
$0.019
时间
213.5s
令牌
11,960 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 2.52s 606 160 987
Qwen3.7 Plus 6.5 10.0 50.0% 0 1.38s 696 349 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 Plus 5.5 10.0 33.3% 0 2.15s 7,911 639 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 9.53s 12,500 375 1,354
Qwen3.7 Plus 10.0 10.0 100.0% 0 29.38s 14,952 4,505 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 Plus 10.0 10.0 100.0% 0 1.43s 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 Plus 3.0 10.0 0.0% 0 868ms 789 18 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 Plus 5.3 10.0 0.0% 0 1.33s 522 78 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 Plus 6.3 10.0 50.0% 0 929ms 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 Plus 7.7 10.0 66.7% 0 1.71s 714 443 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 Plus 10.0 10.0 100.0% 0 3.54s 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 Plus 3.0 10.0 0.0% 0 1.21s 210 9 0

快速对比

切换对比组合

Gemma 4 26B A4Bmedium免费可用vsQwen3.7 PlusnoneDeepSeek V4 ProhighvsGPT-5.6 LunamediumQwen3.7 PlusnonevsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumLaguna XS 2.1medium免费可用vsQwen3.7 PlusnoneGPT-5.6 LunamediumvsStep 3.7 FlashlowKimi K2.7 CodemediumvsQwen3.7 PlusnoneClaude Opus 4.8lowvsGPT-5.6 LunamediumQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumGemini 3 Flash PreviewlowvsQwen3.7 PlusnoneGPT-5.6 LunamediumvsGrok 4.5low