Перейти к основному контенту

Отчёт о тестах GPT 5.6 Luna

На 17 нояб. 2026 г. у GPT 5.6 Luna предварительный Spicy Index 50,0. Свобода не проверена или данных недостаточно. Index сохраняет исходный балл качества и возможностей, помечается как предварительный и продолжает участвовать в рейтинге. Отсутствие данных не равно нулю.

Каждый балл за оценками GPT 5.6 Luna: на какую строку таблицы попал каждый пункт, где потеряны баллы, и каждый тест контента с датой.

Из чего складывается Spicy Index

Как считается

Spicy Index объединяет 70% качества и возможностей с 30% публикуемого Freedom Score. При полных данных: 59,5% качества, 10,5% возможностей и 30% свободы. Цена и скорость остаются отдельно.

Сравнение с лидером

Отставание от Claude Opus 5.5: 32,5 балла Index. Моделей на первом месте: 1.

Сравнение с лидером
ПоказательGPT 5.6 LunaClaude Opus 5.5Взвешенная разница
Публичные рейтинги——0,0
Ролевые игры—76,3+15,1
Художественный текст—71,0+14,1
Выполнение инструкций—100,0+19,8
Память на длинном контексте——0,0
Возможности50,065,0-43,2
Freedom Score—88,9+26,7

Свобода не проверена или данных недостаточно. Index сохраняет исходный балл качества и возможностей, помечается как предварительный и продолжает участвовать в рейтинге. Отсутствие данных не равно нулю.

Из чего складывается Spicy Index
ИзмерениеДоля в этом IndexСтатусОценка
Публичные рейтинги—Ожидает—
Ролевые игры—Ожидает—
Художественный текст—Ожидает—
Выполнение инструкций—Ожидает—
Память на длинном контексте—Ожидает—
Возможности100 %Оценено50,0
Freedom Score—Пока не проверяли—

GPT 5.6 Luna: Возможности, строка за строкой

Как считается

Каждый пункт считывается из спецификации модели на SpicyAPI и сопоставляется с одной строкой фиксированной таблицы. Никаких субъективных решений.

50,0/ 1000 + 12 + 15 + 8 + 15 = 50 / 100

По открытой спецификации модели на SpicyAPI, 17 нояб. 2026 г.

Возможности
ПунктНа SpicyAPIСовпавшая строкаБаллыПотерянные баллы
Окно контекста (по данным разработчика)до 30 б.Не указаноНе указано
Показать всю таблицу
  • 2 млн токенов и больше30,0
  • 1–1,99 млн24,0
  • 500k–999k20,0
  • 256k–499k15,0
  • 200k–255k12,0
  • 128k–199k8,0
  • Меньше 128k4,0
  • Не указано0,0
0,0 / 30−30,0
Входные модальности на SpicyAPIдо 25 б.Текст, а также изображенияВвод изображений
Показать всю таблицу
  • Ввод изображений12,0
  • Ввод аудио7,0
  • Ввод файлов / PDF6,0
12,0 / 25−13,0
Использование инструментовдо 15 б.Инструменты и tool_choiceИнструменты принимаются + Управление через tool_choice
Показать всю таблицу
  • Инструменты принимаются10,0
  • Управление через tool_choice5,0
15,0 / 15Полный балл
Структурированный выводдо 15 б.Принимается, соответствие схеме пока не подтвержденоresponse_format принимается
Показать всю таблицу
  • response_format принимается8,0
  • Соответствие JSON-схеме подтверждено нашим набором тестов на выполнение инструкций7,0
8,0 / 15−7,0
Управление рассуждениемдо 15 б.6 уровней: none · low · medium · high · xhigh · max6 уровней, включая «выкл.» или минимальный
Показать всю таблицу
  • 4+ уровня усилия на выбор10,0
  • 3 уровня7,0
  • 2 уровня4,0
  • Режим «выкл.» / минимальный5,0
15,0 / 15Полный балл

Пока не проверяли

По этим измерениям пока нет данных, поэтому они не входят в Index. Ни одно из них не оценивается приблизительно.

  • Публичные рейтинги40 % качества

    Пока не проверяли

    Баллы из arena.ai, Artificial Analysis и Design Arena, только для точно той же модели; каждый переводится в шкалу 0–100 и усредняется с весом.

    Как считается
  • Ролевые игры15 % качества

    Пока не проверяли

    Цельность персонажа, погружение и отсутствие нотаций вне роли: 30 сценариев × 3 образца, оценивают три LLM-судьи вслепую.

    Как считается
  • Художественный текст15 % качества

    Пока не проверяли

    Выполнение промпта, оригинальность, проза и структура: 20 промптов × 2 образца, оценивают три LLM-судьи вслепую.

    Как считается
  • Выполнение инструкций15 % качества

    Пока не проверяли

    100 автоматически проверяемых ограничений по формату, длине, обязательному содержанию и JSON-схеме. Без судей.

    Как считается
  • Память на длинном контексте15 % качества

    Пока не проверяли

    Вопросы на припоминание и двухшаговые вопросы на 32k, 128k, 256k, 512k и 1 млн токенов — в пределах опубликованного окна модели.

    Как считается

Тесты контента GPT 5.6 Luna по задачам

Как считается

Оценка семейства — среднее по задачам, так что одна осторожная задача тянет вниз всё семейство. Вот откуда взялся каждый балл.

Мы ещё не проводили тесты контента для этой модели, поэтому у неё нет Freedom Score.

Сколько стоит и сколько занимает

Как считается

Измеряется, но не оценивается. Цена — из актуального каталога, скорость — по реальным задачам за последние 30 дней.

Цена
$0.36 за 1 млн смешанных токенов (3 входных : 1 выходной)
Доля успешных
Пока не публикуется ни для одной модели. Доля успешных появится для всех семейств одновременно, когда наберётся 30 дней реального трафика.
Скорость вывода
Собираем данныеВключая время до первого токена
Доля успешных
Собираем данные

Время появляется, когда набирается не менее 10 завершённых задач. Доля успешных считается только по задачам клиентов и скрыта для всех моделей, пока не наберётся 30 полных дней трафика.

Объективно и независимо

SpicyAPI продаёт доступ к этой модели. Её оценки берутся только из опубликованных таблиц и записей тестов на этой странице. Цена, коммерческие условия и договорённости о поставках не играют никакой роли.