GPT-6 Luna
OpenAI· 2026-09-22 上线
综合第 23 名
53.4
编程
56.5
科研
56.6第 22 名
专业办公
45.7
知识问答
50.0第 39 名
- 评测覆盖
- 12 / 25 项 · 48%
- 缓存输入
- ¥0.07
- 输入
- ¥0.67
- 输出
- ¥3.36
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 42.4% | 54.1 | max | 46 |
| WebDev Arena | 1,582 | 57.3 | max | 96 |
| ALE-Bench | 1,577 | 58.1 | xhigh | 88 |
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） | 78.9% | 58.3 | max | 66 |
| FrontierMath（4 级） | 56.1% | 55.2 | max | 57 |
| CritPt | 19.4% | 56.9 | max | 101 |
| ProofBench | 64.0% | 57.1 | 未注明 | 77 |
| OTIS Mock AIME | 98.9% | 55.8 | max | 87 |
| SciCode | 54.6% | 56.5 | 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 | 44.3% | 45.7 | max | 49 |
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 | 41.4% | 47.2 | max | 65 |
| GPQA Diamond | 90.5% | 52.7 | max | 84 |
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 | 59.3% | 不计分 | max | 52 |
| ARC-AGI | 86.7% | 不计分 | max | 52 |
| 国际象棋谜题 | 36.0% | 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、none、未注明）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。