BenchLeader

GPT-6 Astra vs GPT-6 Luna

完整资料:GPT-6 Astra(OpenAI)和 GPT-6 Luna(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 GPT-6 Astra 领先 GPT-6 Luna(BenchLeader Index 67.3 比 55.1)。不过,GPT-6 Luna 更便宜,对方的价格是它的 100 倍(每百万 token 混合价格 $0.200 比 $20.00)。看重知识(72 比 45)、推理(72 比 56)和编程(73 比 57)选 Astra;看重长上下文(66 比 65)选 Luna。Luna 的首次回答更快(73.9 秒 比 198.4 秒)。Luna 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,GPT-6 Luna 为 55.1(BenchLeader,2026年11月16日)。
  • GPT-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • GPT-6 Luna 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • GPT-6 Luna 比 GPT-6 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 107 项基准测试中,GPT-6 Astra 领先 103 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Astra 的评分为 1764,GPT-6 Luna 为 1577(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-6 Astra类别得分 73 比 57;Arena WebDev 1764 比 1577高
智能体与工具调用GPT-6 Astra类别得分 64 比 49;Terminal-Bench 60.3% 比 15.2%高
数学GPT-6 Astra类别得分 71 比 64;FrontierMath Tiers 1–3 93.7% 比 79.0%中
推理GPT-6 Astra类别得分 72 比 56;GPQA Diamond 95.8% 比 90.5%高
知识GPT-6 Astra类别得分 72 比 45;SimpleQA Verified 75.6% 比 41.4%高
长文档GPT-6 Luna类别得分 66 比 65;AA-LCR v1.1 83.3% 比 80.7%中
图像及其他媒体GPT-6 Astra类别得分 66 比 58;Arena Vision 1279 比 1211高
对话质量(人类偏好)GPT-6 AstraArena 投票 66 比 62中
成本最低GPT-6 Luna每百万 token 混合价格 $0.200 比 $20.00;智能体编程会话 $0.008 比 $0.800–
首次回答最快GPT-6 Luna首个回答 token 73.9 秒(GPT-6 Luna (max))比 198.4 秒(GPT-6 Astra (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 GPT-6 Astra (max) 领先:67.3 比 55.1。
  • GPT-6 Astra (max) 在智能体与工具、编程、综合、人类偏好、知识、数学、多模态、推理方面更强。
  • GPT-6 Luna (max) 在长上下文方面更强。
  • GPT-6 Luna (max) 更便宜,对方的价格是它的 100 倍(每百万 token 混合价格 $0.200 比 $20.00)。
  • GPT-6 Luna (max) 的输出速度是对方的 2.5 倍(103 比 41 token/秒)。

概览

规格GPT-6 AstraGPT-6 Luna
提供商OpenAIOpenAI
发布日期2026年9月2日2026年9月22日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-6 Astra (max)GPT-6 Luna (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $1.00$0.100 / $0.500 / $0.010

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-6 Astra (max)GPT-6 Luna (max)领先者
推理72.455.7GPT-6 Astra
编程73.257.3GPT-6 Astra
智能体与工具63.948.5GPT-6 Astra
数学70.863.6GPT-6 Astra
知识72.344.8GPT-6 Astra
人类偏好66.262.2GPT-6 Astra
多模态65.657.6GPT-6 Astra
长上下文65.066.4GPT-6 Luna
综合71.344.5GPT-6 Astra

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2GPT-6 Luna, 推理: 55.7GPT-6 Luna, 编程: 57.3GPT-6 Luna, 智能体与工具: 48.5GPT-6 Luna, 数学: 63.6GPT-6 Luna, 知识: 44.8GPT-6 Luna, 长上下文: 66.4GPT-6 Luna, 多模态: 57.6GPT-6 Luna, 人类偏好: 62.2

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 107 项基准测试中,GPT-6 Astra 领先 103 项,GPT-6 Luna 领先 4 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexGPT-6 Astra (max)GPT-6 Luna (max)领先者
BenchLeader Index67.355.1GPT-6 Astra
AA Intelligence Index v5.0.156.927.9GPT-6 Astra
Vals Index65.052.3GPT-6 Astra
Arena Text14741441GPT-6 Astra

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-6 Astra (max)GPT-6 Luna (max)
每百万 token 混合价格$20.00$0.200
每百万 token 输入 / 输出$10.00 / $50.00$0.100 / $0.500
每百万 token 缓存输入$1.00$0.010
每项任务价格:聊天回复$0.019$0.0002
每项任务价格:总结一份 30 页的报告$0.150$0.0015
每项任务价格:代码编辑$0.135$0.0014
每项任务价格:智能体编程会话$0.800$0.0080
每项任务价格:结构化信息提取$0.030$0.0003
智能体编程会话(输入大多命中缓存)$0.395$0.0040
每项基准测试任务成本(AA Index)$6.24$0.152
每项任务输出 token(AA Index)52k75k
其中推理部分36k58k
每项任务耗时(AA Index)21 min12 min
输出速度41 tok/s103 tok/s
首次回答时间198.4 秒73.9 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 秒171.6 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6 Astra (max) 上花费 $6.24,在 GPT-6 Luna (max) 上花费 $0.152;完成同样的工作,GPT-6 Luna (max) 输出的 token 是对方的 1.4 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 秒)。GPT-6 Luna (max) 得分 55.1,首个回答 token 需 74 秒;GPT-6 Luna (xhigh) 为 52.0(17 秒),GPT-6 Luna (high) 为 51.1(10 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 174 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-6 Astra (max)GPT-6 Luna (max)
BenchLeader IndexBenchLeader67.355.1
智能体与工具得分BenchLeader63.948.5
编程得分BenchLeader73.257.3
综合得分BenchLeader71.344.5
人类偏好得分BenchLeader66.262.2
知识得分BenchLeader72.344.8
长上下文得分BenchLeader65.066.4
数学得分BenchLeader70.863.6
多模态得分BenchLeader65.657.6
推理得分BenchLeader72.455.7
混合价格(美元/百万 token)BenchLeader$20.00$0.200
输出速度BenchLeader41 tok/s103 tok/s
首次回答时间BenchLeader198.4 秒73.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%90.5%
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)15001464
LiveBench 2.0 ReasoningLiveBench92.7%81.8%
LiveBench 1.0 ReasoningLiveBench92.7%81.8%
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%38.5%
HLE-Diamond (AA)Artificial Analysis63.8%22.2%
ARC-AGI-1ARC Prize97.5%86.7%
ARC-AGI-2ARC Prize95.0%59.3%
ARC-AGI-3ARC Prize98.6%0.6%
CritPtArtificial Analysis31.7%19.4%
CritPt v2 hard subset (AA)Artificial Analysis70.5%42.5%
MysteryMechanismVals AI53.1%19.4%
HLE-Diamond (Scale)Scale AI SEAL60.6%†–
Arena ExpertArena (LMArena)15171487
Chess PuzzlesEpoch AI Benchmarking Hub74.0%36.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%7.0%
LMCAEpoch AI Benchmarking Hub64.1%†44.5%
DTBenchEpoch AI Benchmarking Hub97.1%†90.1%
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
编程
SciCodeSciCode56.5%54.6%
WeirdMLWeirdML93.3%–
显示全部 174 项基准测试
指标发布方GPT-6 Astra (max)GPT-6 Luna (max)
编程
FrontierCodeCognition53.3%42.4%
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481501
Arena WebDevArena (LMArena)17641577
LiveBench 2.0 CodingLiveBench87.5%70.8%
LiveBench 1.0 CodingLiveBench80.4%79.0%
IOIVals AI100.0%55.6%
Code MigrationVals AI67.7%42.5%
Code Migration v1.1Vals AI80.6%46.7%
ProgramBenchVals AI5.5%0.5%
SWE-bench MultimodalVals AI43.3%37.5%
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%81.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†50.8%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†50.8%†
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†54.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†47.1%†
SWE-Bench Pro V2Scale AI SEAL96.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub60.0%26.7%
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.31576.9†
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†7.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%12.6%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†69.3%†
GameBench 2 OverallDuelLab GameBench 288.8†47.5†
GameBench 2 by reasoning settingDuelLab GameBench 294.3†55.9†
Design Arena WebsiteDesign Arena13381268†
FrontierCode 1.1 (AA)Artificial Analysis47.0%41.9%
FrontierCode 2.0 (AA)Artificial Analysis42.4%25.2%
智能体与工具
Terminal-BenchTerminal-Bench60.3%15.2%
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†44.3%
Arena AgentArena (LMArena)14.51.6
LiveBench Long AgenticLiveBench75.6%24.7%
LiveBench BrowserLiveBench91.3%70.3%
LiveBench Agentic CodingLiveBench57.3%51.2%
Terminal-Bench 2.1 (Vals)Vals AI87.3%73.0%
HiL-BenchScale AI SEAL65.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%46.6%
GDPval-AA v2.1Artificial Analysis15871443
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%–
Analyst Agent (AA)Artificial Analysis51.3%43.8%
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%76.3%
Finance Agent v2Vals AI53.5%49.9%
Finance Agent v2.1Vals AI60.4%56.8%
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%4.2%
Harvey's Legal Agent Benchmark v1Vals AI5.4%2.9%
Legal Research BenchVals AI39.4%30.3%
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%2.7%
Tax Agent BenchVals AI20.7%19.9%
Terminal-Bench 4.0 (Vals)Vals AI59.6%13.6%
Terminal-Bench ScienceVals AI62.9%4.3%
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)12451211
Arena Agent Task CompletionArena (LMArena)14-0.4
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†–
SpireClimbEpoch AI Benchmarking Hub34.0%0.0%
AutomationBenchArtificial Analysis68.5%53.2%
GDP.pdf (AA)Artificial Analysis31.0%22.8%
Harvey LAB-AA v1.1Harvey8.6%3.3%
AA-Briefcase v1.1Artificial Analysis15691337
GDPxGDPx by SemiAnalysis9.6%5.1%
Design Arena AgenticDesign Arena14051152†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%8.6%
CWE-Bench (AA)Artificial Analysis63.3%56.7%
DeepSec-Bench (AA)Artificial Analysis36.9%23.5%
CyberGym end-to-end (AA)Artificial Analysis0.0%77.9%
MKA (AA)Artificial Analysis50.2%36.8%
FACTS SearchGoogle93.3%†86.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%79.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%56.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.9%
ProofBenchVals AI99.0%†64.0%†
LiveBench MathematicsLiveBench96.8%89.1%
Arena MathsArena (LMArena)14811449
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%41.4%
LiveBench 2.0 Data AnalysisLiveBench83.0%73.4%
LiveBench ResearchLiveBench90.6%48.5%
LiveBench 1.0 Data AnalysisLiveBench83.0%73.4%
AA-Omniscience v1.1Artificial Analysis42.4-8.3
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†42.9%†
BioMysteryBenchVals AI79.3%61.5%
ClaimBenchVals AI–99.2%
Excel Modeling BenchmarkVals AI71.7%68.5%
Excel Modeling Benchmark v1.1Vals AI72.7%70.0%
MedCodeVals AI48.5%44.7%
MedScribeVals AI87.9%83.7%
Public Benefits Bench v1.1Vals AI–57.6%
Financial Coaching BenchVals AI67.5%65.2%
Immigration BenchVals AI67.7%62.5%
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%23.0%
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%39.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%20.6%
HealthBench Professional (AA)OpenAI66.0%61.9%
FACTS ParametricGoogle83.8%†57.0%†
指令遵循
LiveBench LanguageLiveBench89.4%73.8%
LiveBench Instruction FollowingLiveBench75.6%55.9%
Arena Instruction FollowingArena (LMArena)14741436
人类偏好
Arena TextArena (LMArena)14741441
EQ-Bench Creative Writing v3EQ-Bench2177†–
Arena Creative WritingArena (LMArena)14511408
Arena Multi-turnArena (LMArena)14831441
Arena Longer QueriesArena (LMArena)14851449
多模态
Arena VisionArena (LMArena)12791211
LiveBench DesignLiveBench80.0%76.1%
MMMU-ProArtificial Analysis86.9%79.7%
SAGEVals AI–83.4%
Humanity's Sixth SenseScale AI SEAL53.6%21.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†31.2%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%44.2%
VIALS-AAHandshake AI62.7%27.3%
Code2Video-AAArtificial Analysis14271030
AA-3DArtificial Analysis11681000
FACTS MultimodalGoogle55.2%†38.7%†
长上下文
AA-LCR v1.1Artificial Analysis80.7%83.3%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%26.1%
FACTS GroundingGoogle80.1%†76.7%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†156.4†
LiveBench 2.0LiveBench84.5%60.4%
LiveBench 1.0LiveBench82.2%72.0%
AA Intelligence Index v5.0.1Artificial Analysis56.927.9
AA Intelligence Index v4.3.2Artificial Analysis52.738.1
AA Progress Index v1Artificial Analysis349.6317.1
Vals IndexVals AI65.052.3
Vals Finance IndexVals AI55.6%53.0%
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%28.4%
Vals Router IndexVals AI65.0%†52.3%†
Vals Legal IndexVals AI68.4%62.2%
AA Cyber IndexArtificial Analysis33.452.7
安全与诚实
FORTRESSScale AI SEAL12.1%†10.8%†
DistressBenchScale AI SEAL74.3%†66.7%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6 Luna (max):BenchLeader Index 56.6 → 55.1。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Luna (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Luna (max):1 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6 Astra vs GPT-6 Luna:常见问题

GPT-6 Astra 比 GPT-6 Luna 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 55.1。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6 Astra 和 GPT-6 Luna 哪个更便宜?价格会变吗?
目前 GPT-6 Luna 更便宜:每百万 token $0.200 比 $20.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 GPT-6 Astra 还是 GPT-6 Luna 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6 Astra 为 1764,GPT-6 Luna 为 1577。
GPT-6 Astra 和 GPT-6 Luna 哪个更快?
GPT-6 Luna 输出更快(约 2 倍;输出 103 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Astra 还是 GPT-6 Luna 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 49,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,GPT-6 Astra 为 60.3%,GPT-6 Luna 为 15.2%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Luna 在长上下文基准测试上得分更高(66 比 65)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6 Luna 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 73.9 秒比 198.4 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 GPT-6 Astra 和 GPT-6 Luna 的看法一致吗?
在两者都有结果的 107 项基准测试中,GPT-6 Astra 领先 103 项,GPT-6 Luna 领先 4 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
GPT-6 Luna 是什么时候发布的?
GPT-6 Luna 于 2026年9月22日 发布。