#60 LongCat 2.0
medium- लागत
- $0.016
- समय
- 285.1s
- टोकन
- 13,057 tok
Meituan
रिलीज़: 2026-07-20
परीक्षण किया गया: 2026-07-20 17:01
meituan/longcat-2.0::medium
1.6T कुल (48B सक्रिय)MoEमुक्त स्रोत
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 कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है।
पहचान नोट
Owl Alpha, LongCat 2.0 का स्टेल्थ संस्करण था।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 1.6T कुल (48B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- MIT
7.4
संगति
8.9
9.8
$0.478
कुल आउटपुट टोकन
373,396
कुल इनपुट टोकन
97,315
इनपुट कीमत
$0.300 / 1M
आउटपुट कीमत
$1.200 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-08-14 04:10 दोबारा परीक्षण | 7.4 | 10.0 | $0.499 | तुलना करें | |
| 2026-07-20 17:01 पहला रन | 7.4 | 9.8 | $0.478 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-20 17:01 · पहला रन | 66/66 प्रयास | 7.4 | 8.9 | 9.8 | 12/22 | 3 | 373,396 | 97,315 | $0.478 | 136.64s |
| 2026-08-14 04:10 · दोबारा परीक्षण | 66/66 प्रयास | 7.4 | 9.3 | 10.0 | 12/22 | 2 | 390,873 | 97,324 | $0.499 | 143.55s |
| अंतर | — | 0.0 | -0.4 | -0.2 | 0 | +1 | -17477 | -9 | -$0.021 | -6914ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
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।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
LongCat 2.0mediumvsGPT-5.6 LunamediumLongCat 2.0mediumvsQwen3.8 2.4T A95BhighLongCat 2.0mediumvsKimi K2.7 CodemediumLongCat 2.0mediumvsGrok 4.6lowLongCat 2.0mediumvsQwen3.7 MaxnoneLongCat 2.0mediumvsGemini 3 Flash PreviewlowLongCat 2.0mediumvsGemini 3.1 Flash Lite PreviewmediumLongCat 2.0mediumvsClaude Sonnet 4.6noneLongCat 2.0mediumvsGrok Build 0.1mediumLongCat 2.0mediumvsGLM 5.3high
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 |