AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#165

LongCat 2.0

Meituan প্রকাশ: 2026-07-20 পরীক্ষিত হয়েছে: 2026-10-01 03:51 meituan/longcat-2.0::high
1.6T মোট (48B সক্রিয়)MoEউন্মুক্ত উৎস
(high) (medium) (low) (none)

সারাংশ

LongCat 2.0 AI BENCHY-তে 7.3 স্কোর করে এবং #165 স্থানে আছে। এর reliability 10.0, pass rate 53.6%, মোট খরচ $0.778, এবং গড় response time 151.67s.

LongCat 2.0 কে আলাদা করে যা: এটি স্বায়ত্তশাসিত এজেন্টের কাজ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর ডেটা পার্সিং ও নিষ্কাশন এর দুর্বলতম ক্ষেত্র, rank #17.

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

প্রকাশিত
প্যারামিটার
1.6T মোট (48B সক্রিয়)
আর্কিটেকচার
MoE
উপলভ্যতা
উন্মুক্ত উৎস
লাইসেন্স
MIT
প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

7.3

ধারাবাহিকতা

8.5

নির্ভরযোগ্যতা

10.0

মোট খরচ (বর্তমান মূল্য)

$0.778 ↑ +36.9%

পরীক্ষার সময়: $0.569

মোট আউটপুট টোকেন

404,635

মোট ইনপুট টোকেন

275,080

ইনপুট মূল্য

$0.300 / 1M

আউটপুট মূল্য

$1.200 / 1M

ক্যাশ পড়ার মূল্য

$0.006 / 1M

ক্যাশ লেখার মূল্য

প্রযোজ্য নয়

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

সঠিক টেস্ট

ভুল টেস্ট: 13

প্রতি চেষ্টায় পাস রেট: 53.6%

অস্থির টেস্ট

4

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

151.67s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 941.66s

প্রতিক্রিয়া সময় (মোট): 3488.43s

ভুল উত্তর: 7 নির্দেশনা অনুসরণ করা হয়নি: 2 কোন উত্তর নেই: 2 টাইমআউট: 2

Hamster playing table tennis

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

#165 LongCat 2.0

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
খরচ
$0.000
সময়
600.0s
টোকেন
0 tok

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-10-01 03:51 পুনরায় পরীক্ষা 7.3 10.0 $0.778 ↑ বর্তমান রান
2026-07-20 17:01 প্রথম রান 6.6 9.4 $0.469 তুলনা করুন

এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।

রান তুলনা

রানবেঞ্চমার্ক কভারেজস্কোরধারাবাহিকতানির্ভরযোগ্যতাসঠিক টেস্টঅস্থির টেস্টমোট আউটপুট টোকেনমোট ইনপুট টোকেনমোট খরচপ্রতিক্রিয়া সময় (গড়)
2026-10-01 03:51 · বর্তমান রান69/69 প্রচেষ্টা7.38.510.010/234404,635275,080$0.778151.67s
2026-07-20 17:01 · প্রথম রান66/66 প্রচেষ্টা6.68.29.49/225366,79193,357$0.469148.73s
পার্থক্য—+0.7+0.3+0.6+1-1+37844+181723+$0.310+2943ms

বেঞ্চমার্ক কভারেজ আলাদা: 69/69 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

মূল্যের ইতিহাস

OpenRouter থেকে এই মডেলের ঐতিহাসিক মূল্য তথ্য।

তারিখ ইনপুট মূল্য আউটপুট মূল্য ক্যাশ পড়ার মূল্য ক্যাশ লেখার মূল্য
2026-08-14 12:51 $0.300 / 1M $1.200 / 1M প্রযোজ্য নয় প্রযোজ্য নয়
2026-10-01 18:33 $0.300 / 1M $1.200 / 1M $0.006 / 1M প্রযোজ্য নয়

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

LongCat 2.0highvsGemini 2.5 FlashmediumLongCat 2.0highvsQwen3.6 PlusmediumLongCat 2.0highvsGrok 4.7mediumLongCat 2.0highvsGemini 3.5 Flash LitemediumLongCat 2.0highvsClaude Fable 5.1mediumLongCat 2.0highvsQwen3.5-27BnoneLongCat 2.0highvsGLM 5.3 FlashhighLongCat 2.0highvsQwen3.5 Plus 2026-02-15mediumLongCat 2.0highvsGemma 4 26B A4Bmediumবিনামূল্যে উপলভ্যLongCat 2.0highvsQwen3.8 27Bmediumবিনামূল্যে উপলভ্য

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
স্বায়ত্তশাসিত এজেন্টের কাজ 10.0 10.0
অ্যান্টি-এআই কৌশল 8.9 8.1
কোডিং 7.8 9.3
সমন্বিত 10.0 10.0
ডেটা পার্সিং ও নিষ্কাশন 3.6 5.8
ডোমেইন-নির্দিষ্ট 3.6 7.2
Sadharon Buddhimotta 5.1 10.0
নির্দেশনা অনুসরণ 6.5 10.0
ধাঁধা সমাধান 3.1 7.4
টুল কলিং 10.0 10.0
সাধারণ জ্ঞান 3.0 10.0

তুলনা করা মডেল