Anthropic: Claude Opus 4.8 vs Meituan: LongCat 2.0

LongCat 2.0 (medium) unggul dalam skor rata-rata dengan 7.4 vs 7.3. LongCat 2.0 (medium) memiliki biaya benchmark lebih rendah di $0.478 vs $1.166. Claude Opus 4.8 lebih cepat di 4.91s vs 136.64s, dengan tingkat keberhasilan 63.6% vs 60.6%.

Model yang direkomendasikanClaude Opus 4.8Its score stays close to the best score here (7.3 vs 7.4), while responding about 27.8x faster than LongCat 2.0 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-21

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	LongCat 2.0 LongCat 2.0 medium Rilis: 2026-07-20

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	LongCat 2.0 LongCat 2.0 medium Rilis: 2026-07-20
Skor	7.3	7.4
Peringkat	#70	#64
Keandalan	10.0	9.8
Konsistensi	9.2	8.9
Tes benar
Tingkat lulus per percobaan	63.6%	60.6%
Tes tidak stabil	2	3
Total Run	66	66
Biaya per hasil	8.969	3.978
Total Biaya	$1.166	$0.478
Harga input	$5.000 / 1M	$0.300 / 1M
Harga output	$25.000 / 1M	$1.200 / 1M
Total token input	149,206	97,315
Token output	16,797	44,384
Token penalaran	0	329,012
Waktu respons (rata-rata)	4.91s	136.64s
Waktu respons (maks)	35.03s	939.52s
Waktu respons (total)	108.03s	3006.01s

Hamster playing table tennis

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

#70 Claude Opus 4.8

none

Biaya: $0.053
Waktu: 22.0s
Token: 2,253 tok

#64 LongCat 2.0

medium

Biaya: $0.016
Waktu: 285.1s
Token: 13,057 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
LongCat 2.0	10.0	10.0	100.0%	0		9.65s	588	201	4,412

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
LongCat 2.0	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		26.38s	111,760	11,949	0
LongCat 2.0	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
LongCat 2.0	6.3	10.0	50.0%	0		10.63s	7,653	198	2,536

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.3	7.2	44.4%	1		1.70s	975	61	0
LongCat 2.0	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
LongCat 2.0	4.8	3.2	33.3%	1		16.35s	480	121	1,598

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
LongCat 2.0	6.5	10.0	50.0%	0		7.38s	657	78	1,652

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
LongCat 2.0	5.4	10.0	33.3%	0		8.84s	636	388	2,562

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
LongCat 2.0	10.0	10.0	100.0%	0		10.67s	6,840	249	581

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
LongCat 2.0	3.0	10.0	0.0%	0		191.19s	198	86	25,780

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsStep 3.7 Flashlow LongCat 2.0mediumvsQwen3.7 Maxnone Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Gemini 3 Flash PreviewlowvsLongCat 2.0medium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5lowvsLongCat 2.0medium Claude Opus 4.8nonevsGemini 3.1 Flash Lite Previewmedium Claude Sonnet 4.6nonevsLongCat 2.0medium LongCat 2.0mediumvsGPT-5.6 Terralow Claude Opus 4.8nonevsQwen3.5 Plus 2026-04-20medium LongCat 2.0mediumvsGPT-5.3 Chatnone