GPT-5.6 Luna
OpenAI· 2026-07-09 上线
综合第 29 名
50.9
编程
51.9第 23 名
科研
56.9第 21 名
专业办公
45.3第 33 名
知识问答
46.0第 53 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥0.13
- 输入
- ¥1.35
- 输出
- ¥8.07
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 67.2% | 56.4 | max | 26 |
| FrontierCode | 39.8% | 52.2 | 未注明 | 46 |
| CursorBench | 35.9% | 40.0 | max | 17 |
| WebDev Arena | 1,519 | 52.9 | xhigh | 96 |
| ALE-Bench | 1,667 | 59.7 | max | 88 |
| WeirdML | 60.9% | 50.2 | high | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 82.1% | 59.8 | max | 66 |
| FrontierMath（4 级） | 61.0% | 56.9 | max | 57 |
| CritPt | 20.6% | 57.9 | max | 101 |
| ProofBench | 60.0% | 55.8 | max | 77 |
| OTIS Mock AIME | 98.3% | 55.5 | max | 87 |
| SciCode | 53.6% | 55.4 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 43.0% | 44.8 | 未注明 | 49 |
| Vending-Bench 2 | $4,095 | 45.8 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 41.0% | 47.0 | max | 65 |
| GPQA Diamond | 91.6% | 53.7 | max | 84 |
| SimpleBench | 46.8% | 37.5 | 未注明 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 59.5% | 不计分 | max | 52 |
| ARC-AGI | 88.0% | 不计分 | max | 52 |
| 国际象棋谜题 | 43.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、未注明、none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。