导航
AI BENCHY
Advertise here

AI BENCHY 对比

已对比模型

摘要

GPT-5.6 Sol (medium) vs GPT-5.6 Terra (medium) vs GPT-5.6 Luna (medium) vs GPT-5.5 (medium) 基准对比GPT-5.6 Sol (medium) 在分数上以 9.4 领先。 GPT-5.6 Sol (medium) 在可靠性上以 10.0 领先。 GPT-5.6 Luna (medium) 的总成本最低，为 $0.258。 GPT-5.6 Terra (medium) 最快，为 6.69s。

推荐模型: GPT-5.6 Sol (medium) - 它在这里得分最高（9.4），同时成本比本次比较中的其他模型低约 1.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09 GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09 GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数 9.4 7.8 7.6 9.0
排名 #5 #37 #54 #12
可靠性 10.0 10.0 10.0 10.0
一致性 8.8 9.2 9.6 8.9
测试正确
尝试通过率 90.5% 68.3% 63.5% 87.3%
不稳定测试 3 2 1 3
总运行次数 63 63 63 63
每个结果成本 5.682 3.815 1.978 21.638
总成本 $0.966 $0.496 $0.258 $3.679
输入价格 $5.000 / 1M $2.500 / 1M $1.000 / 1M $5.000 / 1M
输出价格 $30.000 / 1M $15.000 / 1M $6.000 / 1M $30.000 / 1M
总输入令牌 34,218 34,218 35,699 34,212
输出令牌 1,895 1,982 2,148 1,985
推理令牌 24,600 25,370 34,740 114,925
响应时间（平均） 10.79s 6.69s 6.70s 37.98s
响应时间（最大） 79.40s 41.68s 29.85s 332.10s
响应时间（总计） 226.57s 140.49s 140.62s 797.60s

生成展示

Hamster playing table tennis

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

#5 GPT-5.6 Sol

medium
成本
$0.124
时间
57.2s
令牌
4,199 tok

#37 GPT-5.6 Terra

medium
成本
$0.035
时间
16.3s
令牌
2,418 tok

#54 GPT-5.6 Luna

medium
成本
$0.014
时间
14.6s
令牌
2,362 tok

#12 GPT-5.5

medium
成本
$0.112
时间
71.9s
令牌
3,807 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 Sol 10.0 10.0 100.0% 0 2.81s 606 173 572
GPT-5.6 Terra 8.3 10.0 75.0% 0 2.22s 606 172 657
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.52s 606 160 987
GPT-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
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 Sol 10.0 10.0 100.0% 0 9.40s 7,302 394 4,706
GPT-5.6 Terra 6.1 7.2 55.6% 1 7.19s 7,302 427 4,527
GPT-5.6 Luna 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
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 Sol 10.0 10.0 100.0% 0 12.13s 11,019 318 1,214
GPT-5.6 Terra 10.0 10.0 100.0% 0 6.26s 11,019 316 540
GPT-5.6 Luna 10.0 10.0 100.0% 0 9.53s 12,500 375 1,354
GPT-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
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 Sol 10.0 10.0 100.0% 0 1.38s 7,140 222 0
GPT-5.6 Terra 10.0 10.0 100.0% 0 872ms 7,140 222 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 1.95s 7,140 234 324
GPT-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
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 Sol 5.9 7.2 55.6% 1 47.86s 723 71 16,201
GPT-5.6 Terra 5.3 10.0 33.3% 0 23.45s 723 70 15,327
GPT-5.6 Luna 5.3 10.0 33.3% 0 17.37s 723 68 16,531
GPT-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
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 Sol 10.0 10.0 100.0% 0 3.48s 477 99 214
GPT-5.6 Terra 5.5 10.0 0.0% 0 2.37s 477 133 144
GPT-5.6 Luna 5.1 10.0 0.0% 0 4.34s 477 112 496
GPT-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
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 Sol 10.0 10.0 100.0% 0 2.50s 660 96 249
GPT-5.6 Terra 10.0 10.0 100.0% 0 1.43s 660 89 261
GPT-5.6 Luna 9.9 10.0 100.0% 0 2.38s 660 95 393
GPT-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
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 Sol 8.2 7.2 88.9% 1 2.98s 642 228 566
GPT-5.6 Terra 8.4 7.4 88.9% 1 3.78s 642 272 1,462
GPT-5.6 Luna 7.8 10.0 66.7% 0 4.04s 642 255 2,104
GPT-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
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 Sol 10.0 10.0 100.0% 0 6.30s 5,454 264 361
GPT-5.6 Terra 10.0 10.0 100.0% 0 5.09s 5,454 254 246
GPT-5.6 Luna 10.0 10.0 100.0% 0 6.02s 5,454 256 244
GPT-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
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 Sol 4.7 1.6 66.7% 1 4.94s 195 30 517
GPT-5.6 Terra 3.0 10.0 0.0% 0 10.05s 195 27 2,206
GPT-5.6 Luna 3.0 10.0 0.0% 0 6.64s 195 29 2,379
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754

快速对比

切换对比组合

GPT-5.6 TerramediumvsGrok 4.5lowDeepSeek V4 ProhighvsGPT-5.6 LunamediumClaude Opus 4.8lowvsGPT-5.6 TerramediumGemini 3.5 FlashlowvsGPT-5.6 SolmediumGPT-5.6 LunamediumvsStep 3.7 FlashlowGPT-5.6 TerramediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsGPT-5.6 LunamediumGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsGPT-5.6 TerramediumGemini 3.5 FlashlowvsGPT-5.5mediumGPT-5.6 LunamediumvsGrok 4.5lowClaude Sonnet 4.6nonevsGPT-5.6 Lunamedium