- 排名
- #131
- 总输出令牌
- 44,525
- 响应时间（平均）
- 7.43s
- 总成本
- $0.072
GPT-5.6 Luna (medium) vs Qwen3.8 2.4T A95B (high)
平均分几乎持平，为 7.4 vs 7.4。 GPT-5.6 Luna (medium) benchmark 成本更低，为 $0.072 vs $2.357。 GPT-5.6 Luna (medium) 更快，为 7.43s vs 120.59s，通过率为 62.1% vs 74.2%。
已对比模型
- 排名
- #133
- 总输出令牌
- 456,028
- 响应时间（平均）
- 120.59s
- 总成本
- $2.357
推荐模型
GPT-5.6 Luna (medium)
它在这里得分最高（7.4），同时成本比Qwen3.8 2.4T A95B (high)低约 33.0 倍。
详细对比
| 指标 | GPT-5.6 Luna GPT-5.6 Luna medium | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high |
|---|---|---|
| 分数 | 7.4 | 7.4 |
| 排名 | #131 | #133 |
| 可靠性 | 10.0 | 9.4 |
| 一致性 | 9.2 | 8.3 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 62.1% | 74.2% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 2.601 | 16.832 |
| 总成本 | $0.072 | $2.357 |
| 输入价格 | $0.200 / 1M | $2.000 / 1M |
| 输出价格 | $1.200 / 1M | $6.000 / 1M |
| 总输入令牌 | 89,685 | 108,931 |
| 输出令牌 | 5,701 | 112,801 |
| 推理令牌 | 38,824 | 343,227 |
| 响应时间（平均） | 7.43s | 120.59s |
| 响应时间（最大） | 29.85s | 532.28s |
| 响应时间（总计） | 163.54s | 2653.05s |
| 参数量 | ~400B 总计 (~17B 激活) | 2.4T 总计 (95B 激活) |
| 开放状态 | 闭源 | 权重可用 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#131 GPT-5.6 Luna
medium- 成本
- $0.014
- 时间
- 14.6s
- 令牌
- 2,362 tok
#133 Qwen3.8 2.4T A95B
high
Reached the allocated time limit (600 seconds) without receiving showcase output.
- 成本
- $0.000
- 时间
- 600.0s
- 令牌
- 0 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 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 24.22s | 1,128 | 305 | 4,864 |
| 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 | |
| Qwen3.8 2.4T A95B | 5.9 | 6.3 | 55.6% | 1 | 160.52s | 6,399 | 3,310 | 48,078 |
| 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 | |
| Qwen3.8 2.4T A95B | 6.9 | 5.9 | 66.7% | 1 | 266.12s | 81,205 | 7,791 | 41,921 |
| 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 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 13.67s | 7,928 | 550 | 2,307 |
| 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 | 2.9 | 7.2 | 11.1% | 1 | 18.45s | 732 | 70 | 17,375 | |
| Qwen3.8 2.4T A95B | 4.1 | 6.5 | 22.2% | 1 | 301.08s | 964 | 11,279 | 139,028 |
| 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 | |
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 11.38s | 630 | 2,020 | 2,165 |
| 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 | |
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 11.45s | 927 | 245 | 1,727 |
| 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 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 65.54s | 989 | 698 | 15,073 |
| 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 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 32.93s | 8,481 | 302 | 656 |
| 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 | |
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 347.95s | 280 | 86,301 | 87,408 |
快速对比
切换对比组合
GPT-5.6 LunamediumvsQwen3.7 MaxnoneQwen3.8 2.4T A95BhighvsMiMo-V2.6-FlashmediumQwen3.8 2.4T A95BhighvsGrok 4.6lowGemini 3 Flash PreviewlowvsQwen3.8 2.4T A95BhighGemini 3.8 FlashlowvsGPT-5.6 LunamediumLongCat 2.0mediumvsQwen3.8 2.4T A95BhighKimi K2.7 CodemediumvsQwen3.8 2.4T A95BhighClaude Sonnet 4.6nonevsQwen3.8 2.4T A95BhighGPT-5.6 LunamediumvsGrok 4.7highGemini 3.1 Flash Lite PreviewmediumvsQwen3.8 2.4T A95BhighKAT-Coder-Pro V2.5lowvsQwen3.8 2.4T A95BhighGPT-5.6 LunamediumvsGrok 4.6low