Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash

يتقدم Step 3.7 Flash (high) في متوسط النتيجة بـ 6.9 مقابل 6.7. لدى LongCat 2.0 (low) تكلفة benchmark أقل عند $0.391 مقابل $1.207. Step 3.7 Flash (high) أسرع عند 64.68s مقابل 100.31s، مع معدلات نجاح 53.0% مقابل 63.6%.

النموذج الموصى بهLongCat 2.0 (low)Its score stays close to the best score here (6.7 vs 6.9), while costing about 3.1x less than Step 3.7 Flash (high).

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-07-21

المقياس	LongCat 2.0 LongCat 2.0 low الإصدار: 2026-07-20	Step 3.7 Flash Step 3.7 Flash high الإصدار: 2026-05-29

المقياس	LongCat 2.0 LongCat 2.0 low الإصدار: 2026-07-20	Step 3.7 Flash Step 3.7 Flash high الإصدار: 2026-05-29
النتيجة	6.7	6.9
الترتيب	#96	#90
الموثوقية	9.6	10.0
الاتساق	8.9	8.0
اختبارات صحيحة
معدل النجاح لكل محاولة	53.0%	63.6%
اختبارات غير مستقرة	3	5
إجمالي مرات التشغيل	66	66
التكلفة لكل نتيجة	3.910	10.973
إجمالي التكلفة	$0.391	$1.207
سعر الإدخال	$0.300 / 1M	$0.200 / 1M
سعر الإخراج	$1.200 / 1M	$1.150 / 1M
إجمالي رموز الإدخال	90,909	98,691
رموز الإخراج	5,679	1,032,395
رموز الاستدلال	297,369	0
زمن الاستجابة (المتوسط)	100.31s	64.68s
زمن الاستجابة (الحد الأقصى)	560.39s	364.99s
زمن الاستجابة (الإجمالي)	2206.82s	1423.01s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#96 LongCat 2.0

low

التكلفة: $0.024
الوقت: 428.0s
الرموز: 19,557 tok

#90 Step 3.7 Flash

high

التكلفة: $0.007
الوقت: 63.6s
الرموز: 6,030 tok

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

الفئة:

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	10.0	10.0	100.0%	0		9.04s	588	225	4,303
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	6.6	4.6	77.8%	2		479.30s	6,544	461	206,627
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	10.0	10.0	100.0%	0		130.21s	66,883	3,905	37,643
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	6.3	10.0	50.0%	0		10.77s	7,653	198	2,498
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	3.0	10.0	0.0%	0		86.08s	496	142	28,567
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	3.4	2.2	33.3%	1		22.45s	480	116	2,364
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	6.5	10.0	50.0%	0		6.39s	657	78	1,604
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	3.1	10.0	0.0%	0		8.15s	636	289	2,561
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	10.0	10.0	100.0%	0		10.81s	6,840	249	398
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
LongCat 2.0	3.0	10.0	0.0%	0		122.07s	132	16	10,804
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

مقارنة سريعة

تبديل زوج المقارنة

GPT-5.5nonevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5nonevsLongCat 2.0low Qwen3.6 FlashmediumvsStep 3.7 Flashhigh LongCat 2.0lowvsQwen3.6 35B A3Bmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsLongCat 2.0low DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh Gemma 4 26B A4Bmediumمتاح مجانًاvsLongCat 2.0low LongCat 2.0lowvsGLM 5.2none