Meituan: LongCat 2.0 vs OpenAI: GPT-5.4 Mini

GPT-5.4 Mini (medium) unggul dalam skor rata-rata dengan 7.5 vs 7.4. LongCat 2.0 (medium) memiliki biaya benchmark lebih rendah di $0.478 vs $0.756. GPT-5.4 Mini (medium) lebih cepat di 25.94s vs 136.64s, dengan tingkat keberhasilan 60.6% vs 71.2%.

Model yang direkomendasikanGPT-5.4 Mini (medium)It has the best score here (7.5), while responding about 5.3x faster than LongCat 2.0 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-20

Metrik	LongCat 2.0 LongCat 2.0 medium Rilis: 2026-07-20	GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17

Metrik	LongCat 2.0 LongCat 2.0 medium Rilis: 2026-07-20	GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17
Skor	7.4	7.5
Peringkat	#60	#56
Keandalan	9.8	10.0
Konsistensi	8.9	7.7
Tes benar
Tingkat lulus per percobaan	60.6%	71.2%
Tes tidak stabil	3	6
Total Run	66	66
Biaya per hasil	3.978	6.299
Total Biaya	$0.478	$0.756
Harga input	$0.300 / 1M	$0.750 / 1M
Harga output	$1.200 / 1M	$4.500 / 1M
Total token input	97,315	97,155
Token output	44,384	6,211
Token penalaran	329,012	145,544
Waktu respons (rata-rata)	136.64s	25.94s
Waktu respons (maks)	939.52s	138.75s
Waktu respons (total)	3006.01s	570.66s

Hamster playing table tennis

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

#60 LongCat 2.0

medium

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

#56 GPT-5.4 Mini

medium

Biaya: $0.056
Waktu: 95.5s
Token: 12,464 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		9.65s	588	201	4,412
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668
GPT-5.4 Mini	6.9	5.9	66.7%	1		59.64s	74,058	4,347	40,924

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		10.63s	7,653	198	2,536
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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	4.8	3.2	33.3%	1		16.35s	480	121	1,598
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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		7.38s	657	78	1,652
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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	5.4	10.0	33.3%	0		8.84s	636	388	2,562
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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		10.67s	6,840	249	581
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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		191.19s	198	86	25,780
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

Perbandingan Cepat

Ganti Pasangan Perbandingan

LongCat 2.0mediumvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium GPT-5.4 MinimediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsLongCat 2.0medium LongCat 2.0mediumvsGPT-5.6 Terralow LongCat 2.0mediumvsGPT-5.3 Chatnone Gemini 3 Flash PreviewlowvsGPT-5.4 Minimedium KAT-Coder-Pro V2.5lowvsGPT-5.4 Minimedium Claude Sonnet 4.6nonevsGPT-5.4 Minimedium Claude Opus 4.8nonevsLongCat 2.0medium LongCat 2.0mediumvsStep 3.7 Flashlow