GPT-5.6 Luna

编程56.513 项

• ProgramBenchVals AI0.0%折算分 至多 80.3+
• LiveBench CodingLiveBench82.9%折算分 63.6+
• Vibe Code Bench v1.1Vals AI77.1%折算分 62.6+
• CyberBench Patch v1.1Vals AI83.9%折算分 60.2+
• TapTap MakerTapTap Maker72.2%折算分 59.2+
• Terminal-Bench 4.0Artificial Analysis11.6%折算分 55.8+
• LiveBench Agentic CodingLiveBench48.4%折算分 55.0+
• SciCodeArtificial Analysis53.6%折算分 54.8+
• TTerminal-Bench 4.0Terminal-Bench17.3%折算分 53.1+
• Terminal-Bench 4.0Vals AI11.6%折算分 53.0+
• APEX-SWEMercor32.1%折算分 51.7+
• HWeirdML v3Håvard Tveit Ihle4.7%折算分 至多 49.0+
• Vibe Code Bench 1–100Vals AI22.6%+

科研59.011 项

• FrontierMath T1–3Epoch AI82.1%折算分 69.5+
• CritPtArtificial Analysis20.6%折算分 65.1+
• Chess PuzzlesEpoch AI43.0%折算分 63.1+
• LiveBench ReasoningLiveBench85.6%折算分 60.0+
• BioMysteryBenchVals AI61.5%折算分 59.8+
• AARC-AGI-2ARC Prize59.5%折算分 59.1+
• Humanity's Last ExamArtificial Analysis39.5%折算分 57.2+
• Terminal-Bench ScienceVals AI0.0%折算分 至多 56.0+
• Terminal-Bench ScienceArtificial Analysis3.3%折算分 至多 55.3+
• MysteryMechanismVals AI14.4%折算分 54.3+
• Mystery Game PuzzlesEpoch AI21.0%折算分 53.0+

专业办公59.49 项

• LiveBench Data AnalysisLiveBench78.0%折算分 65.0+
• AutomationBench-AAArtificial Analysis50.2%折算分 62.2+
• AA-BriefcaseArtificial Analysis1,339.5折算分 61.8+
• Legal Research BenchVals AI36.5%折算分 61.8+
• GDPval-AAArtificial Analysis1,468.2折算分 61.5+
• τ³-BankingMercor35.7%折算分 60.4+
• TaxAgentBenchVals AI24.8%折算分 60.3+
• APEX-AgentsMercor43.0%折算分 55.5+
• MedCodeVals AI42.4%折算分 52.7+

知识问答54.17 项

• MLCR-AAArtificial Analysis20.0%折算分 64.0+
• AA-LCRArtificial Analysis83.7%折算分 58.9+
• LNYT Connections 扩展版Lech Mazur69.4%折算分 53.0+
• SimpleQA VerifiedEpoch AI41.0%折算分 51.9+
• LiveBench LanguageLiveBench72.6%折算分 51.5+
• PBullshitBench v2BullshitBench41.0%折算分 50.2+
• LiveBench IFLiveBench60.1%折算分 49.8+

真人盲选54.81 项

• Arena TextLMArena1,453折算分 51.4+

测过，但按规则不计入

这些公开成绩没有计入，原因如下：例如评测方公布超过一半题目被转给了旧型号，或者无法确认测的是哪个版本。

• Arena WebDev：该次 Agent 配置尚未对应到评测方这项评测的主流程。

尚无成绩的评测

这些评测尚无可采用的公开成绩，缺测不补分。