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 Poolside: Laguna XS 2.1

Laguna XS 2.1 (medium) average score-এ এগিয়ে: 6.5 vs 6.3. LongCat 2.0-এর benchmark খরচ কম: $0.044 vs $0.068. LongCat 2.0 দ্রুত: 5.18s vs 47.93s, pass rates 36.4% vs 42.4%.

প্রস্তাবিত মডেলLongCat 2.0Its score stays close to the best score here (6.3 vs 6.5), while costing about 1.5x less than Laguna XS 2.1 (medium).

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

মেট্রিক LongCat 2.0 LongCat 2.0 none প্রকাশ: 2026-07-20 Laguna XS 2.1 Laguna XS 2.1 medium প্রকাশ: 2026-07-02 বিনামূল্যে উপলভ্য
স্কোর 6.3 6.5
র‍্যাঙ্ক #111 #102
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.3 9.6
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 36.4% 42.4%
অস্থির টেস্ট 2 1
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.627 0.746
মোট খরচ $0.044 $0.068
ইনপুট মূল্য $0.300 / 1M $0.060 / 1M
আউটপুট মূল্য $1.200 / 1M $0.120 / 1M
মোট ইনপুট টোকেন 108,743 118,989
আউটপুট টোকেন 9,372 30,750
রিজনিং টোকেন 0 491,833
প্রতিক্রিয়া সময় (গড়) 5.18s 47.93s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 48.38s 422.72s
প্রতিক্রিয়া সময় (মোট) 113.95s 1054.49s

Hamster playing table tennis

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

#111 LongCat 2.0

none
খরচ
$0.027
সময়
411.7s
টোকেন
22,283 tok

#102 Laguna XS 2.1

medium
খরচ
$0.001
সময়
30.6s
টোকেন
4,678 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 5.5 10.0 33.3% 0 2.85s 7,446 578 0
Laguna XS 2.1 5.5 10.0 33.3% 0 70.35s 7,995 23,767 83,258

দ্রুত তুলনা

তুলনার জুটি বদলান