GPT-5.6 Luna
OpenAI GPT-5.6系列轻量高速模型，兼顾速度与性价比，输入1美元/输出6美元（每百万Token）
时间轴 (近 90 天)
据论文Table 1，HybridAgent 8B在GAIA基准上以43.7分超过GPT-5.6 Luna的37.9分。
论文Table 1显示，ARPO（纯文本、无隐空间模式的8B智能体）在GAIA上得38.8分，WebWalker得32.0分，两项均略高于GPT-5.6 Luna。
Qwen3.8-27B 官方模型卡成绩：GPQA Diamond 89.2、LiveCodeBench v6 90.3、SWE-bench Pro 61.7、Terminal Bench 2.1 73.0；Artificial Analysis Intelligence Index 52 分，与 GPT-5.6 Luna 持平，仅比 GLM-5.2（753B）和 DeepSeek V4 Pro（1.7T）低一分。
GPT-6.1 Sol和GPT-5.6 Luna是唯一在两个任务上都拿到0.9375的模型，即16题中对15题，且两次独立采样都做到
Copilot 质量评分中，Microsoft-Decision-1 与 GPT-5.6 Luna 持平，速度快约 100 倍（微软的表述）。
Copilot 团队用 Decision-1 测量聊天和智能体回答质量，称其性能可与 GPT-5.6 Luna 竞争，速度约为后者的 100 倍
在尝试两到三次的情况下GLM-5.3 Flash得分82%，与GPT-5.6 Luna的81%处于误差范围之内
在benchmark对比中，除了银行意图分类（Banking 77）外，Jev基本都能匹配或超越Luna，尤其在guardrail相关任务（prompt injection、toxic检测）上明显领先
在服务器端，Luna生成一个决策的时间里Jev能输出12到14个决策，且Jev并行处理所有决策
Luna 的输出价格在两个月内由每百万 token 6 美元降至 0.50 美元，降幅超过 90%
还有 10 条时间轴事件
全部知识事实 (14)
The tool names GPT-5.6 Luna and DeepSeek-V4-Flash may be in community discussion or forward-looking speculation stages and may not correspond to official releases
60%待验证Flagship or experimental models like GPT-5.6 Luna represent a vendor's capability ceiling and excel at complex reasoning, long-context understanding, and multimodal processing
60%待验证论文Table 1显示，ARPO（纯文本、无隐空间模式的8B智能体）在GAIA上得38.8分，WebWalker得32.0分，两项均略高于GPT-5.6 Luna。
50%待验证据论文Table 1，HybridAgent 8B在GAIA基准上以43.7分超过GPT-5.6 Luna的37.9分。
50%待验证Qwen3.8-27B 官方模型卡成绩：GPQA Diamond 89.2、LiveCodeBench v6 90.3、SWE-bench Pro 61.7、Terminal Bench 2.1 73.0；Artificial Analysis Intelligence Index 52 分，与 GPT-5.6 Luna 持平，仅比 GLM-5.2（753B）和 DeepSeek V4 Pro（1.7T）低一分。
50%待验证GPT-6.1 Sol和GPT-5.6 Luna是唯一在两个任务上都拿到0.9375的模型，即16题中对15题，且两次独立采样都做到
50%待验证Copilot 质量评分中，Microsoft-Decision-1 与 GPT-5.6 Luna 持平，速度快约 100 倍（微软的表述）。
50%待验证Copilot 团队用 Decision-1 测量聊天和智能体回答质量，称其性能可与 GPT-5.6 Luna 竞争，速度约为后者的 100 倍
50%待验证在尝试两到三次的情况下GLM-5.3 Flash得分82%，与GPT-5.6 Luna的81%处于误差范围之内
50%待验证在benchmark对比中，除了银行意图分类（Banking 77）外，Jev基本都能匹配或超越Luna，尤其在guardrail相关任务（prompt injection、toxic检测）上明显领先
50%待验证在服务器端，Luna生成一个决策的时间里Jev能输出12到14个决策，且Jev并行处理所有决策
50%待验证在输入token计数上，Astra和Luna都使用了16个token，而Sol和Terra使用了26个token
50%待验证Astra和Luna在token使用模式上的相似性可能暗示两者在tokenizer或底层架构上存在共同点
50%待验证Simon Willison 使用 GPT-5.6 Luna 自动生成每次变更的要点总结，因不信任 Claude 总结自身系统提示存在利益冲突
50%