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

Claude Sonnet 5 vs LongCat 2.0

LongCat 2.0 average score में आगे है: 6.4 vs 6.1. LongCat 2.0 की benchmark लागत कम है: $0.044 vs $0.548. LongCat 2.0 तेज है: 5.17s vs 6.05s, pass rates 40.9% vs 40.9%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-20

रैंक
#168
कुल आउटपुट टोकन
22,508
प्रतिक्रिया समय (औसत)
6.05s
कुल लागत
$0.548
रैंक
#159
कुल आउटपुट टोकन
9,375
प्रतिक्रिया समय (औसत)
5.17s
कुल लागत
$0.044
अनुशंसित मॉडल LongCat 2.0

It has the best score here (6.4), while costing about 12.5x less than Claude Sonnet 5.

विस्तृत तुलना

मेट्रिक Claude Sonnet 5 Claude Sonnet 5 none रिलीज़: 2026-06-30 LongCat 2.0 LongCat 2.0 none रिलीज़: 2026-07-20
स्कोर 6.1 6.4
रैंक #168 #159
विश्वसनीयता 10.0 10.0
संगति 8.7 9.3
प्रयास 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 40.9% 40.9%
अस्थिर टेस्ट 4 2
कुल रन 66 66
प्रति परिणाम लागत 7.817 0.549
कुल लागत $0.548 $0.044
इनपुट कीमत $2.000 / 1M $0.300 / 1M
आउटपुट कीमत $10.000 / 1M $1.200 / 1M
कुल इनपुट टोकन 161,032 108,752
आउटपुट टोकन 22,508 9,375
रीजनिंग टोकन 0 0
प्रतिक्रिया समय (औसत) 6.05s 5.17s
प्रतिक्रिया समय (अधिकतम) 33.39s 48.38s
प्रतिक्रिया समय (कुल) 132.99s 113.83s
पैरामीटर ~1T कुल (~100B सक्रिय) 1.6T कुल (48B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#168 Claude Sonnet 5

none
लागत
$0.061
समय
53.7s
टोकन
6,172 tok

#159 LongCat 2.0

none
लागत
$0.027
समय
411.7s
टोकन
22,283 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Sonnet 5 4.6 7.9 22.2% 1 3.67s 10,590 1,864 0
LongCat 2.0 5.5 10.0 33.3% 0 2.85s 7,446 578 0

त्वरित तुलना

तुलना जोड़ी बदलें