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

Google: Gemini 3 Flash Preview vs Meituan: LongCat 2.0

Gemini 3 Flash Preview (medium) average score में आगे है: 9.6 vs 6.6. LongCat 2.0 (high) की benchmark लागत कम है: $0.469 vs $0.742. Gemini 3 Flash Preview (medium) तेज है: 19.20s vs 148.73s, pass rates 98.5% vs 53.0%.

अनुशंसित मॉडलGemini 3 Flash Preview (medium)It has the best score here (9.6), while responding about 7.7x faster than LongCat 2.0 (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-20

मेट्रिक Gemini 3 Flash Preview Gemini 3 Flash Preview medium रिलीज़: 2025-12-17 LongCat 2.0 LongCat 2.0 high रिलीज़: 2026-07-20
स्कोर 9.6 6.6
रैंक #1 #97
विश्वसनीयता 10.0 9.4
संगति 9.7 8.2
सही परीक्षण
प्रति प्रयास पास दर 98.5% 53.0%
अस्थिर टेस्ट 1 5
कुल रन 66 66
प्रति परिणाम लागत 3.533 5.202
कुल लागत $0.742 $0.469
इनपुट कीमत $0.500 / 1M $0.300 / 1M
आउटपुट कीमत $3.000 / 1M $1.200 / 1M
कुल इनपुट टोकन 87,861 93,357
आउटपुट टोकन 5,486 30,466
रीजनिंग टोकन 227,164 336,325
प्रतिक्रिया समय (औसत) 19.20s 148.73s
प्रतिक्रिया समय (अधिकतम) 117.26s 941.66s
प्रतिक्रिया समय (कुल) 422.42s 3272.00s

Hamster playing table tennis

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

#1 Gemini 3 Flash Preview

medium
लागत
$0.010
समय
18.4s
टोकन
3,351 tok

#97 LongCat 2.0

high
अमान्य SVG
लागत
$0.000
समय
600.0s
टोकन
0 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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
LongCat 2.0 7.6 7.2 77.8% 1 505.33s 6,913 244 192,377

त्वरित तुलना

तुलना जोड़ी बदलें