Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash

Step 3.7 Flash (high) unggul dalam skor rata-rata dengan 6.9 vs 6.7. LongCat 2.0 (low) memiliki biaya benchmark lebih rendah di $0.391 vs $1.207. Step 3.7 Flash (high) lebih cepat di 64.68s vs 100.31s, dengan tingkat keberhasilan 53.0% vs 63.6%.

Model yang direkomendasikanLongCat 2.0 (low)Its score stays close to the best score here (6.7 vs 6.9), while costing about 3.1x less than Step 3.7 Flash (high).

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

Metrik	LongCat 2.0 LongCat 2.0 low Rilis: 2026-07-20	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	LongCat 2.0 LongCat 2.0 low Rilis: 2026-07-20	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	6.7	6.9
Peringkat	#96	#90
Keandalan	9.6	10.0
Konsistensi	8.9	8.0
Tes benar
Tingkat lulus per percobaan	53.0%	63.6%
Tes tidak stabil	3	5
Total Run	66	66
Biaya per hasil	3.910	10.973
Total Biaya	$0.391	$1.207
Harga input	$0.300 / 1M	$0.200 / 1M
Harga output	$1.200 / 1M	$1.150 / 1M
Total token input	90,909	98,691
Token output	5,679	1,032,395
Token penalaran	297,369	0
Waktu respons (rata-rata)	100.31s	64.68s
Waktu respons (maks)	560.39s	364.99s
Waktu respons (total)	2206.82s	1423.01s

Hamster playing table tennis

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

#96 LongCat 2.0

low

Biaya: $0.024
Waktu: 428.0s
Token: 19,557 tok

#90 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 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
LongCat 2.0	10.0	10.0	100.0%	0		9.04s	588	225	4,303
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	6.6	4.6	77.8%	2		479.30s	6,544	461	206,627
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	10.0	10.0	100.0%	0		130.21s	66,883	3,905	37,643
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

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
LongCat 2.0	6.3	10.0	50.0%	0		10.77s	7,653	198	2,498
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	3.0	10.0	0.0%	0		86.08s	496	142	28,567
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	3.4	2.2	33.3%	1		22.45s	480	116	2,364
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	6.5	10.0	50.0%	0		6.39s	657	78	1,604
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	3.1	10.0	0.0%	0		8.15s	636	289	2,561
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	10.0	10.0	100.0%	0		10.81s	6,840	249	398
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
LongCat 2.0	3.0	10.0	0.0%	0		122.07s	132	16	10,804
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.5nonevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5nonevsLongCat 2.0low Qwen3.6 FlashmediumvsStep 3.7 Flashhigh LongCat 2.0lowvsQwen3.6 35B A3Bmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsLongCat 2.0low DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh Gemma 4 26B A4BmediumTersedia gratisvsLongCat 2.0low LongCat 2.0lowvsGLM 5.2none