Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash

LongCat 2.0 (medium) lidera en puntuación media con 7.4 vs 7.3. Step 3.7 Flash (low) tiene menor coste de benchmark con $0.454 vs $0.478. Step 3.7 Flash (low) es más rápido con 20.68s vs 136.64s, con tasas de acierto de 60.6% vs 68.2%.

Modelo recomendadoStep 3.7 Flash (low)Su puntuación se mantiene cerca de la mejor aquí (7.3 vs 7.4) y responde aproximadamente 6.6x más rápido que LongCat 2.0 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-21

Métrica	LongCat 2.0 LongCat 2.0 medium Lanzamiento: 2026-07-20	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29

Métrica	LongCat 2.0 LongCat 2.0 medium Lanzamiento: 2026-07-20	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación	7.4	7.3
Rango	#64	#71
Fiabilidad	9.8	10.0
Consistencia	8.9	8.1
Pruebas correctas
Tasa de aciertos por intento	60.6%	68.2%
Pruebas inestables	3	5
Ejecuciones totales	66	66
Costo por resultado	3.978	3.782
Costo total	$0.478	$0.454
Precio de entrada	$0.300 / 1M	$0.200 / 1M
Precio de salida	$1.200 / 1M	$1.150 / 1M
Total de tokens de entrada	97,315	103,833
Tokens de salida	44,384	376,581
Tokens de razonamiento	329,012	0
Tiempo de respuesta (promedio)	136.64s	20.68s
Tiempo de respuesta (máximo)	939.52s	124.75s
Tiempo de respuesta (total)	3006.01s	455.01s

Hamster playing table tennis

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

#64 LongCat 2.0

medium

Coste: $0.016
Tiempo: 285.1s
Tokens: 13,057 tok

#71 Step 3.7 Flash

low

SVG inválido

Coste: $0.004
Tiempo: 25.3s
Tokens: 3,072 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	10.0	10.0	100.0%	0		9.65s	588	201	4,412
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	6.3	10.0	50.0%	0		10.63s	7,653	198	2,536
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	4.8	3.2	33.3%	1		16.35s	480	121	1,598
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	6.5	10.0	50.0%	0		7.38s	657	78	1,652
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	5.4	10.0	33.3%	0		8.84s	636	388	2,562
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	10.0	10.0	100.0%	0		10.67s	6,840	249	581
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
LongCat 2.0	3.0	10.0	0.0%	0		191.19s	198	86	25,780
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow LongCat 2.0mediumvsQwen3.7 Maxnone KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsLongCat 2.0medium LongCat 2.0mediumvsGPT-5.6 Terralow Claude Sonnet 4.6nonevsStep 3.7 Flashlow