OpenAI: GPT-5.6 Luna vs xAI: Grok Build 0.1

平均分几乎持平，为 7.6 vs 7.6。 GPT-5.6 Luna (medium) benchmark 成本更低，为 $0.352 vs $1.097。 GPT-5.6 Luna (medium) 更快，为 7.28s vs 52.06s，通过率为 65.2% vs 63.6%。

推荐模型GPT-5.6 Luna (medium)它在这里得分最高（7.6），同时成本比Grok Build 0.1 (medium)低约 3.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

对比摘要

排名: #57
总输出令牌: 43,679
响应时间（平均）: 7.28s
总成本: $0.352

排名: #55
总输出令牌: 494,663
响应时间（平均）: 52.06s
总成本: $1.097

详细对比

指标	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21

指标	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数	7.6	7.6
排名	#57	#55
可靠性	10.0	10.0
一致性	9.6	10.0
测试正确
尝试通过率	65.2%	63.6%
不稳定测试	1	0
总运行次数	66	66
每个结果成本	2.513	7.830
总成本	$0.352	$1.097
输入价格	$1.000 / 1M	$1.000 / 1M
输出价格	$6.000 / 1M	$2.000 / 1M
总输入令牌	89,676	106,751
输出令牌	5,699	7,993
推理令牌	37,980	486,670
响应时间（平均）	7.28s	52.06s
响应时间（最大）	29.85s	252.69s
响应时间（总计）	160.27s	1145.27s

Hamster playing table tennis

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

#57 GPT-5.6 Luna

medium

成本: $0.014
时间: 14.6s
令牌: 2,362 tok

#55 xAI: Grok Build 0.1

medium

成本: $0.028
时间: 81.3s
令牌: 14,009 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
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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 Build 0.1	10.0	10.0	100.0%	0		65.08s	75,242	5,442	65,569

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 Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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 Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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 Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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 Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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 Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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 Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

快速对比

切换对比组合

Claude Opus 5nonevsGPT-5.6 Lunamedium Claude Opus 5nonevsGrok Build 0.1medium DeepSeek V4 ProhighvsGrok Build 0.1medium DeepSeek V4 FlashhighvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium DeepSeek V4 ProhighvsGPT-5.6 Lunamedium GPT-5.6 TerralowvsGrok Build 0.1medium DeepSeek V4 FlashhighvsGPT-5.6 Lunamedium GPT-5.6 LunahighvsGrok Build 0.1medium GPT-5.6 LunamediumvsQwen3.7 Maxnone Qwen3.7 MaxnonevsGrok Build 0.1medium Claude Opus 4.8lowvsGrok Build 0.1medium