नेविगेशन
Advertise here

LongCat 2.0 (medium) vs Qwen3.8 2.4T A95B (high)

Qwen3.8 2.4T A95B (high) average score में आगे है: 7.9 vs 7.2. LongCat 2.0 (medium) की benchmark लागत कम है: $0.767 vs $2.949. Qwen3.8 2.4T A95B (high) तेज है: 120.88s vs 144.88s, pass rates 59.4% vs 75.4%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-22

तुलना किए गए मॉडल

रैंक
#234
कुल आउटपुट टोकन
422,234
प्रतिक्रिया समय (औसत)
144.88s
कुल लागत
$0.767
रैंक
#180
कुल आउटपुट टोकन
368,836
प्रतिक्रिया समय (औसत)
120.88s
कुल लागत
$2.949
अनुशंसित मॉडल LongCat 2.0 (medium)

Its score stays close to the best score here (7.2 vs 7.9), while costing about 3.8x less than Qwen3.8 2.4T A95B (high).

विस्तृत तुलना

मेट्रिक LongCat 2.0 LongCat 2.0 medium रिलीज़: 2026-07-20 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high रिलीज़: 2026-08-12
स्कोर 7.2 7.9
रैंक #234 #180
विश्वसनीयता 10.0 9.6
संगति 9.0 8.4
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 59.4% 75.4%
अस्थिर टेस्ट 3 4
कुल रन 69 69
प्रति परिणाम लागत 4.942 18.696
कुल लागत $0.767 $2.949
इनपुट कीमत $0.300 / 1M $2.000 / 1M
आउटपुट कीमत $1.200 / 1M $6.000 / 1M
कैश पढ़ने की कीमत $0.006 / 1M $0.250 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 287,669 295,642
आउटपुट टोकन 47,204 115,041
रीजनिंग टोकन 375,030 353,398
प्रतिक्रिया समय (औसत) 144.88s 120.88s
प्रतिक्रिया समय (अधिकतम) 939.52s 532.28s
प्रतिक्रिया समय (कुल) 3332.19s 2780.16s
पैरामीटर 1.6T कुल (48B सक्रिय) 2.4T कुल (95B सक्रिय)
उपलब्धता मुक्त स्रोत वेट उपलब्ध

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#234 LongCat 2.0

medium
लागत
$0.016
समय
285.1s
टोकन
13,057 tok

#180 Qwen3.8 2.4T A95B

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
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
LongCat 2.0 10.0 10.0 100.0% 0 455.00s 7,419 533 214,143
Qwen3.8 2.4T A95B 5.9 6.3 55.6% 1 160.52s 6,399 3,310 48,078

तुलना जोड़ी बदलें