导航
Advertise here

GPT-5.6 Luna vs Step 3.5 Flash (medium)

平均分几乎持平,为 5.3 vs 5.4。 GPT-5.6 Luna benchmark 成本更低,为 $0.042 vs $0.105。 GPT-5.6 Luna 更快,为 3.78s vs 190.48s,通过率为 34.8% vs 49.3%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-13

已对比模型

排名
#377
总输出令牌
8,000
响应时间(平均)
3.78s
总成本
$0.042
排名
#374
总输出令牌
454,482
响应时间(平均)
190.48s
总成本
$0.105
推荐模型 GPT-5.6 Luna

它在这里得分最高(5.3),同时成本比Step 3.5 Flash (medium)低约 2.5 倍。

详细对比

指标 GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09 Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数 5.3 5.4
排名 #377 #374
可靠性 10.0 10.0
一致性 8.8 8.3
尝试次数 69/69 66/69
测试正确
尝试通过率 34.8% 49.3%
不稳定测试 3 3
总运行次数 69 66
每个结果成本 2.814 1.047
总成本 $0.042 $0.105
输入价格 $0.200 / 1M $0.100 / 1M
输出价格 $1.200 / 1M $0.300 / 1M
缓存读取价格 $0.020 / 1M 不适用
缓存写入价格 $0.250 / 1M 不适用
总输入令牌 230,744 139,086
输出令牌 8,000 193,584
推理令牌 0 413,546
响应时间(平均) 3.78s 190.48s
响应时间(最大) 53.77s 1597.85s
响应时间(总计) 86.83s 3238.23s
参数量 ~400B 总计 (~17B 激活) 196B 总计 (11B 激活)
开放状态 闭源 开源

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.

#377 GPT-5.6 Luna

none
成本
$0.016
时间
15.8s
令牌
2,685 tok

#374 Step 3.5 Flash

medium
成本
$0.008
时间
277.1s
令牌
23,695 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

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
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429

切换对比组合