@reach_vb: GPT-5.6 Luna Max在DeepSWE v1.1测试中比Sonnet 5 Max高出13.3分，而Sonnet的成本是其44倍。DeepSWE测试co…
摘要
GPT-5.6 Luna Max在DeepSWE v1.1编码基准测试中以更低的成本优于Sonnet 5 Max，并且与Gemini 3.7 Flash Medium相比也表现出强劲性能。
查看缓存全文
缓存时间: 2026/08/16 20:11
GPT-5.6 Luna Max 在 DeepSWE v1.1 基准测试中得分比 Sonnet 5 Max 高出13.3分，而 Sonnet 的成本是其44倍。
DeepSWE 通过113项原创的长周期工程任务来评估编程智能体的性能。
Luna 以每任务0.61美元的成本获得67.2%的得分，比 Gemini 3.7 Flash Medium 高出1.7分，且成本降低了70%。 https://t.co/zQSjzXnGxd
相似文章
GPT-6 Sol 与 Sonnet 5.5 在相同任务成本下的对比：Sol 更高效，Sonnet 5.5 具有更高的性能上限
根据 Artificial Analysis 的数据，在相似预算下，GPT-6 Sol 比 Sonnet 5.5 更具成本效益，但 Sonnet 5.5 在成本增加时能实现更高的性能。
@VraserX：在这个价格点上，Sonnet 5.5 几乎毫无用处。每任务$7.60对比GPT-6 Astra Max的$3.26，简直是疯了。除非Sonnet…
这条推文批判了Sonnet 5.5的性价比，突显其每任务成本远高于GPT-6 Astra Max，并质问除非性能卓越，否则其价值何在。
@reach_vb: DeepSWE 1.1：GPT 5.6 Sol 以不到一半的成本取得最高分
DeepSWE 1.1 突出展示了 GPT-5.6 Sol，根据 Sam Altman 的说法，该模型以一半的成本取得最高分，且令牌效率约为 Fable 的两倍。
@cognition：GPT-6 Sol 和 Luna 现已可在 Devin 中使用。在 FrontierCode 1.1 上，GPT-6 Sol 在成本降低61%的情况下达到与 GPT-5.6 Sol 相同的分数…
GPT-6 Sol 和 Luna 模型现已可在 Devin 中使用，其中 GPT-6 Sol 在成本降低61%的情况下达到与 GPT-5.6 Sol 相同的性能，而 GPT-6 Luna 以大约四分之一的成本表现更优。
尽管GPT 5.6 Sol看起来是一个很大的改进，但在我看来，GPT 5.6 Lunatic由于价格因素似乎是最显著的改进。输入1美元，输出6美元，其能力仍可与GPT 5.4相媲美。
GPT 5.6 Lunatic以显著更低的价格（输入1美元，输出6美元）提供了与GPT 5.4相当的能力，使其成为Gemini Flash和GPT 5.4 mini的有力替代品。