नेविगेशन
AI BENCHY
Advertise here

Gemini 3.1 Flash Lite Preview vs LongCat 2.0

average score लगभग बराबर है: 6.4 vs 6.4. LongCat 2.0 की benchmark लागत कम है: $0.044 vs $0.052. Gemini 3.1 Flash Lite Preview तेज है: 1.56s vs 5.17s, pass rates 57.6% vs 40.9%.

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

रैंक
#155
कुल आउटपुट टोकन
14,161
प्रतिक्रिया समय (औसत)
1.56s
कुल लागत
$0.052
रैंक
#159
कुल आउटपुट टोकन
9,375
प्रतिक्रिया समय (औसत)
5.17s
कुल लागत
$0.044
अनुशंसित मॉडल Gemini 3.1 Flash Lite Preview

It has the best score here (6.4), while responding about 3.3x faster than LongCat 2.0.

विस्तृत तुलना

मेट्रिक Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview none रिलीज़: 2026-03-03 LongCat 2.0 LongCat 2.0 none रिलीज़: 2026-07-20
स्कोर 6.4 6.4
रैंक #155 #159
विश्वसनीयता 10.0 10.0
संगति 9.7 9.3
प्रयास 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 57.6% 40.9%
अस्थिर टेस्ट 1 2
कुल रन 66 66
प्रति परिणाम लागत 0.430 0.549
कुल लागत $0.052 $0.044
इनपुट कीमत $0.250 / 1M $0.300 / 1M
आउटपुट कीमत $1.500 / 1M $1.200 / 1M
कुल इनपुट टोकन 120,955 108,752
आउटपुट टोकन 14,161 9,375
रीजनिंग टोकन 0 0
प्रतिक्रिया समय (औसत) 1.56s 5.17s
प्रतिक्रिया समय (अधिकतम) 9.27s 48.38s
प्रतिक्रिया समय (कुल) 34.32s 113.83s
पैरामीटर ~150B कुल (~10B 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.

#155 Gemini 3.1 Flash Lite Preview

none
लागत
$0.003
समय
4.7s
टोकन
1,827 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
Gemini 3.1 Flash Lite Preview 5.5 10.0 33.3% 0 967ms 8,128 670 0
LongCat 2.0 5.5 10.0 33.3% 0 2.85s 7,446 578 0

त्वरित तुलना

तुलना जोड़ी बदलें