नेविगेशन
AI BENCHY
Advertise here

Meituan: LongCat 2.0 vs Poolside: Laguna XS 2.1

LongCat 2.0 (high) average score में आगे है: 6.6 vs 6.5. Laguna XS 2.1 (medium) की benchmark लागत कम है: $0.068 vs $0.469. Laguna XS 2.1 (medium) तेज है: 47.93s vs 148.73s, pass rates 53.0% vs 42.4%.

अनुशंसित मॉडलLaguna XS 2.1 (medium)Its score stays close to the best score here (6.5 vs 6.6), while costing about 7.0x less than LongCat 2.0 (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-21

मेट्रिक LongCat 2.0 LongCat 2.0 high रिलीज़: 2026-07-20 Laguna XS 2.1 Laguna XS 2.1 medium रिलीज़: 2026-07-02 निःशुल्क उपलब्ध
स्कोर 6.6 6.5
रैंक #102 #108
विश्वसनीयता 9.4 10.0
संगति 8.2 9.6
सही परीक्षण
प्रति प्रयास पास दर 53.0% 42.4%
अस्थिर टेस्ट 5 1
कुल रन 66 66
प्रति परिणाम लागत 5.202 0.746
कुल लागत $0.469 $0.068
इनपुट कीमत $0.300 / 1M $0.060 / 1M
आउटपुट कीमत $1.200 / 1M $0.120 / 1M
कुल इनपुट टोकन 93,357 118,989
आउटपुट टोकन 30,466 30,750
रीजनिंग टोकन 336,325 491,833
प्रतिक्रिया समय (औसत) 148.73s 47.93s
प्रतिक्रिया समय (अधिकतम) 941.66s 422.72s
प्रतिक्रिया समय (कुल) 3272.00s 1054.49s

Hamster playing table tennis

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

#102 LongCat 2.0

high
अमान्य SVG
लागत
$0.000
समय
600.0s
टोकन
0 tok

#108 Laguna XS 2.1

medium
लागत
$0.001
समय
30.6s
टोकन
4,678 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
LongCat 2.0 7.6 7.2 77.8% 1 505.33s 6,913 244 192,377
Laguna XS 2.1 5.5 10.0 33.3% 0 70.35s 7,995 23,767 83,258

त्वरित तुलना

तुलना जोड़ी बदलें