- 排名
- #122
- 总输出令牌
- 47,986
- 响应时间（平均）
- 9.64s
- 总成本
- $0.065
GPT-5.6 Luna (medium) vs Grok 4.20 (medium)
GPT-5.6 Luna (medium) 平均分领先，为 7.4 vs 6.3。 GPT-5.6 Luna (medium) benchmark 成本更低，为 $0.065 vs $1.246。 GPT-5.6 Luna (medium) 更快，为 9.64s vs 36.73s，通过率为 62.3% vs 58.0%。
已对比模型
- 排名
- #224
- 总输出令牌
- 302,087
- 响应时间（平均）
- 36.73s
- 总成本
- $1.246
推荐模型
GPT-5.6 Luna (medium)
它在这里得分最高（7.4），同时成本比Grok 4.20 (medium)低约 19.3 倍。
详细对比
| 指标 | GPT-5.6 Luna GPT-5.6 Luna medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 7.4 | 6.3 |
| 排名 | #122 | #224 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 8.2 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 62.3% | 58.0% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 2.822 | 14.374 |
| 总成本 | $0.065 | $1.246 |
| 输入价格 | $0.200 / 1M | $1.250 / 1M |
| 输出价格 | $1.200 / 1M | $2.500 / 1M |
| 缓存读取价格 | $0.020 / 1M | $0.200 / 1M |
| 缓存写入价格 | $0.250 / 1M | 不适用 |
| 总输入令牌 | 212,780 | 392,127 |
| 输出令牌 | 6,849 | 7,754 |
| 推理令牌 | 41,137 | 294,333 |
| 响应时间（平均） | 9.64s | 36.73s |
| 响应时间（最大） | 58.09s | 199.66s |
| 响应时间（总计） | 221.62s | 844.68s |
| 参数量 | ~400B 总计 (~17B 激活) | ~1T 总计 (~100B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#122 GPT-5.6 Luna
medium- 成本
- $0.014
- 时间
- 14.6s
- 令牌
- 2,362 tok
#224 SpaceXAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 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
| 智能体任务 | 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 | 7.4 | 3.8 | 66.7% | 1 | 58.09s | 123,095 | 1,148 | 2,313 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 128.32s | 289,141 | 1,894 | 29,934 |
| 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 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.95s | 2,010 | 287 | 8,312 |
| 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 | |
| Grok 4.20 | 6.3 | 6.6 | 55.6% | 1 | 109.93s | 8,307 | 268 | 103,150 |
| 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 | |
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 |
| 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 |
| 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 | |
| Grok 4.20 | 2.9 | 7.2 | 11.1% | 1 | 49.71s | 1,959 | 872 | 59,761 |
| 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 | |
| Grok 4.20 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 825 | 65 | 6,440 |
| 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 | |
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 |
| 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 | |
| Grok 4.20 | 7.7 | 10.0 | 66.7% | 0 | 6.22s | 1,689 | 149 | 7,913 |
| 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 |
| 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 531 | 9 | 16,442 |
快速对比
切换对比组合
DeepSeek V4 Flash 0423nonevsGrok 4.20mediumDeepSeek V4 Flash 0731lowvsGPT-5.6 LunamediumTrinity Large ThinkinglowvsGrok 4.20mediumGPT-5.6 LunamediumvsGLM 5.3 FlashXhighGPT-5.6 LunamediumvsGrok 4.7lowGPT-5.6 LunamediumvsInkling Smallhigh免费可用Space Bunny AlphaxhighvsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumSolar Pro 4highvsGrok 4.20mediumGemini 3.1 Flash LitelowvsGrok 4.20mediumSeed-2.0-CodehighvsGPT-5.6 LunamediumDeepSeek V4 Pro 0423nonevsGPT-5.6 Lunamedium