GPT-5.6 LunavsGemini 3.5 Flash
在 6 个共同 benchmark 中，GPT-5.6 Luna 整体领先：GPT-5.6 Luna 领先 4 项，Gemini 3.5 Flash 领先 2 项，持平 0 项，平均分差 +13.06。
GPT-5.6 Luna
OpenAI · 2026-06-26 · 推理大模型
Gemini 3.5 Flash
Google Deep Mind · 2026-06-20 · 多模态大模型
GPT-5.6 Luna4 项(67%)(33%)2 项Gemini 3.5 Flash
评测分数
按能力类目分组，每组内按分差大小排列；共 6 项。
Math and Reasoning
GPT-5.6 Luna 领先 2/2| 评测项 | GPT-5.6 Luna | Gemini 3.5 Flash | 分差 |
|---|---|---|---|
| FrontierMath Tier 4 v2 | 60.987 / 34最高（无工具） | 26.8318 / 34Thinking High (No Tools) | +34.15 |
| FrontierMath v2 | 82.118 / 34最高（无工具） | 62.8118 / 34Thinking High (No Tools) | +19.30 |
AI Agent - Tool Usage
GPT-5.6 Luna 领先 1/1| 评测项 | GPT-5.6 Luna | Gemini 3.5 Flash | 分差 |
|---|---|---|---|
| Terminal-Bench 2.1 | 84.7010 / 44最高（无工具） | 76.2023 / 44Thinking High (With Tools) | +8.50 |
Coding and Software Engineer
GPT-5.6 Luna 领先 1/1| 评测项 | GPT-5.6 Luna | Gemini 3.5 Flash | 分差 |
|---|---|---|---|
| DeepSWE | 67.206 / 27极高强度思考（工具） | 3723 / 27Thinking Medium (With Tools) | +30.20 |
General Knowledge
Gemini 3.5 Flash 领先 1/1| 评测项 | GPT-5.6 Luna | Gemini 3.5 Flash | 分差 |
|---|---|---|---|
| ARC-AGI-2 | 59.5020 / 62最高（无工具） | 72.1013 / 62Thinking High (With Tools) | -12.60 |
科学与综合推理
Gemini 3.5 Flash 领先 1/1| 评测项 | GPT-5.6 Luna | Gemini 3.5 Flash | 分差 |
|---|---|---|---|
| GPQA Diamond | 91.6027 / 226最高（无工具） | 92.8019 / 226Thinking High (No Tools) | -1.20 |
规格对比
| 字段 | GPT-5.6 Luna | Gemini 3.5 Flash |
|---|---|---|
| 发布机构 | OpenAI | Google Deep Mind |
| 发布时间 | 2026-06-26 | 2026-06-20 |
| 模型类型 | 推理大模型 | 多模态大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1.05M | 1M |
| 最大输出 | 128K | 64K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.6 Luna | Gemini 3.5 Flash |
|---|---|---|
| 文本输入 | $1 / 1M tokens | $1.5 / 1M tokens |
| 文本输出 | $6 / 1M tokens | $9 / 1M tokens |
| 缓存读取 | $0.1 / 1M tokens | $0.15 / 1M tokens |
| 缓存写入 | $1.25 / 1M tokens | 暂无公开价格 |
小结
- GPT-5.6 Luna在以下类目领先:Math and Reasoning (2/2)、AI Agent - Tool Usage (1/1)、Coding and Software Engineer (1/1)
- Gemini 3.5 Flash在以下类目领先:General Knowledge (1/1)、科学与综合推理 (1/1)
6 个共同 benchmark 上，GPT-5.6 Luna 平均高出 13.06 分。
单项差距最大的 benchmark：FrontierMath Tier 4 v2 — GPT-5.6 Luna 60.98，Gemini 3.5 Flash 26.83（分差 +34.15）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。