AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#60

LongCat 2.0

Meituan रिलीज़: 2026-07-20 परीक्षण किया गया: 2026-07-20 17:01 meituan/longcat-2.0::medium
(high) (medium) (low) (none)

सारांश

LongCat 2.0 AI BENCHY पर 7.4 स्कोर करता है और #60 पर है। इसकी reliability 9.8, pass rate 60.6%, कुल लागत $0.478, और औसत response time 136.64s है।

LongCat 2.0 को अलग क्या बनाता है: यह एंटी-एआई ट्रिक्स में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

संगति

8.9

कुल आउटपुट टोकन

373,396

कुल इनपुट टोकन

97,315

इनपुट कीमत

$0.300 / 1M

आउटपुट कीमत

$1.200 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 60.6%

अस्थिर टेस्ट

3

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

136.64s

प्रतिक्रिया समय (अधिकतम): 939.52s

प्रतिक्रिया समय (कुल): 3006.01s

Hamster playing table tennis

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

#60 LongCat 2.0

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

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-07-20 17:49 $0.300 / 1M $1.200 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 6.3 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 4.8 3.2
निर्देश पालन 6.5 10.0
पहेली समाधान 5.4 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल