নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash

LongCat 2.0 (medium) average score-এ এগিয়ে: 7.4 vs 7.3. Step 3.7 Flash (low)-এর benchmark খরচ কম: $0.454 vs $0.478. Step 3.7 Flash (low) দ্রুত: 20.68s vs 136.64s, pass rates 60.6% vs 68.2%.

প্রস্তাবিত মডেলStep 3.7 Flash (low)Its score stays close to the best score here (7.3 vs 7.4), while responding about 6.6x faster than LongCat 2.0 (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-20

মেট্রিক LongCat 2.0 LongCat 2.0 medium প্রকাশ: 2026-07-20 Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29
স্কোর 7.4 7.3
র‍্যাঙ্ক #60 #67
নির্ভরযোগ্যতা 9.8 10.0
ধারাবাহিকতা 8.9 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 60.6% 68.2%
অস্থির টেস্ট 3 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 3.978 3.782
মোট খরচ $0.478 $0.454
ইনপুট মূল্য $0.300 / 1M $0.200 / 1M
আউটপুট মূল্য $1.200 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 97,315 103,833
আউটপুট টোকেন 44,384 376,581
রিজনিং টোকেন 329,012 0
প্রতিক্রিয়া সময় (গড়) 136.64s 20.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 939.52s 124.75s
প্রতিক্রিয়া সময় (মোট) 3006.01s 455.01s

Hamster playing table tennis

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

#60 LongCat 2.0

medium
খরচ
$0.016
সময়
285.1s
টোকেন
13,057 tok

#67 Step 3.7 Flash

low
অবৈধ SVG
খরচ
$0.004
সময়
25.3s
টোকেন
3,072 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
LongCat 2.0 10.0 10.0 100.0% 0 455.00s 7,419 533 214,143
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

দ্রুত তুলনা

তুলনার জুটি বদলান