- 排名
- #94
- 总输出令牌
- 45,154
- 响应时间（平均）
- 15.87s
- 总成本
- $0.031
GPT-6 Luna (medium) vs Step 3.7 Flash (medium)
平均分几乎持平，为 7.9 vs 7.9。 GPT-6 Luna (medium) benchmark 成本更低，为 $0.031 vs $0.495。 GPT-6 Luna (medium) 更快，为 15.87s vs 23.51s，通过率为 72.7% vs 68.2%。
已对比模型
- 排名
- #92
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
推荐模型
GPT-6 Luna (medium)
它在这里得分最高（7.9），同时成本比Step 3.7 Flash (medium)低约 16.2 倍。
详细对比
| 指标 | GPT-6 Luna GPT-6 Luna medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 7.9 | 7.9 |
| 排名 | #94 | #92 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 68.2% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.218 | 3.801 |
| 总成本 | $0.031 | $0.495 |
| 输入价格 | $0.100 / 1M | $0.200 / 1M |
| 输出价格 | $0.500 / 1M | $1.150 / 1M |
| 总输入令牌 | 78,946 | 114,191 |
| 输出令牌 | 4,635 | 409,709 |
| 推理令牌 | 40,519 | 0 |
| 响应时间（平均） | 15.87s | 23.51s |
| 响应时间（最大） | 35.14s | 152.83s |
| 响应时间（总计） | 349.09s | 517.21s |
| 参数量 | ~400B 总计 (~17B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#94 GPT-6 Luna
medium- 成本
- $0.002
- 时间
- 23.6s
- 令牌
- 2,966 tok
#92 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 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-6 Luna | 8.3 | 10.0 | 75.0% | 0 | 4.32s | 606 | 156 | 875 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 0 |
| 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-6 Luna | 6.6 | 4.6 | 77.8% | 2 | 23.63s | 7,302 | 438 | 10,222 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 |
| 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-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 22.65s | 55,738 | 3,052 | 4,096 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 0 |
| 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-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 26.09s | 7,140 | 234 | 268 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 0 |
| 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-6 Luna | 5.9 | 7.2 | 55.6% | 1 | 22.71s | 732 | 70 | 19,191 | |
| Step 3.7 Flash | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 |
| 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-6 Luna | 4.4 | 9.9 | 0.0% | 0 | 28.25s | 477 | 91 | 289 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 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-6 Luna | 9.8 | 10.0 | 100.0% | 0 | 13.24s | 660 | 89 | 409 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 735 | 2,166 | 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-6 Luna | 7.7 | 10.0 | 66.7% | 0 | 9.78s | 642 | 211 | 3,189 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 0 |
| 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-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 4.84s | 5,454 | 264 | 249 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 7,746 | 2,115 | 0 |
| 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-6 Luna | 3.0 | 10.0 | 0.0% | 0 | 6.39s | 195 | 30 | 1,731 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 237 | 139,164 | 0 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumGPT-6 LunamediumvsQwen3.8 27BlowStep 3.7 FlashmediumvsGrok 4.7lowKimi K3maxvsGPT-6 LunamediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumGPT-6 LunamediumvsGrok 4.7lowStep 3.7 FlashmediumvsGLM 5.2highDeepSeek V4 Flash 0731highvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsStep 3.7 FlashmediumGPT-6 LunamediumvsGLM 5.2high