OpenAI: GPT-5.6 Luna vs Poolside: Laguna S 2.1

平均分几乎持平，为 5.4 vs 5.4。 Laguna S 2.1 (medium) benchmark 成本更低，为 $0.059 vs $0.142。 GPT-5.6 Luna 更快，为 1.50s vs 58.43s，通过率为 34.9% vs 25.8%。

推荐模型GPT-5.6 Luna它在这里得分最高（5.4），同时响应速度比Laguna S 2.1 (medium)快约 39.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22

指标	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09	Laguna S 2.1 Laguna S 2.1 medium 发布日期: 2026-07-21 免费可用

指标	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09	Laguna S 2.1 Laguna S 2.1 medium 发布日期: 2026-07-21 免费可用
分数	5.4	5.4
排名	#166	#164
可靠性	10.0	9.8
一致性	8.8	8.4
测试正确
尝试通过率	34.9%	25.8%
不稳定测试	3	4
总运行次数	66	66
每个结果成本	2.360	1.451
总成本	$0.142	$0.059
输入价格	$1.000 / 1M	$0.100 / 1M
输出价格	$6.000 / 1M	$0.200 / 1M
总输入令牌	101,323	86,641
输出令牌	6,709	97,298
推理令牌	0	242,297
响应时间（平均）	1.50s	58.43s
响应时间（最大）	10.57s	560.31s
响应时间（总计）	32.91s	1285.48s

Hamster playing table tennis

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

#166 GPT-5.6 Luna

none

成本: $0.016
时间: 15.8s
令牌: 2,685 tok

#164 Laguna S 2.1

medium

成本: $0.001
时间: 4.0s
令牌: 867 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	4.8	10.0	25.0%	0		901ms	606	266	0
Laguna S 2.1	3.4	5.8	25.0%	2		51.82s	672	370	45,172

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	3.8	7.2	22.2%	1		980ms	7,302	459	0
Laguna S 2.1	5.3	7.2	44.4%	1		158.98s	7,917	93,354	106,718

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	3.2	9.1	0.0%	0		6.68s	78,124	5,022	0
Laguna S 2.1	3.2	9.1	0.0%	0		284.71s	60,785	2,413	80,089

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		758ms	7,140	222	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.42s	7,689	243	1,699

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		737ms	723	54	0
Laguna S 2.1	2.9	7.2	11.1%	1		2.75s	765	24	2,863

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	5.0	10.0	0.0%	0		1.00s	477	150	0
Laguna S 2.1	4.6	9.8	0.0%	0		739ms	513	164	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	7.1	5.8	83.3%	1		1.23s	660	86	0
Laguna S 2.1	4.2	9.9	0.0%	0		400ms	702	57	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	5.3	10.0	33.3%	0		790ms	642	202	0
Laguna S 2.1	3.1	10.0	0.0%	0		2.62s	699	375	2,497

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		2.80s	5,454	222	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.24s	6,747	270	420

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		651ms	195	26	0
Laguna S 2.1	3.0	10.0	0.0%	0		7.11s	152	28	2,839

快速对比

切换对比组合