AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#222

LongCat 2.0

Meituan Rilis: 2026-07-20 Diuji pada: 2026-10-01 03:45 meituan/longcat-2.0::low
1.6T total (48B aktif)MoESumber terbuka
(high) (medium) (low) (none)

Ringkasan

LongCat 2.0 mendapat skor 6.6 di AI BENCHY dan berada di peringkat #222. Model ini memiliki reliabilitas 9.9, tingkat keberhasilan 55.1%, total biaya $0.630, dan waktu respons rata-rata 115.00s.

Yang membuat LongCat 2.0 unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Parsing dan ekstraksi data adalah area terlemahnya di #17.

Fakta model

Ditelaah pada 2026-08-12

Dilaporkan
Parameter
1.6T total (48B aktif)
Arsitektur
MoE
Ketersediaan
Sumber terbuka
Lisensi
MIT
Sumber parameter Sumber ketersediaan

Skor

6.6

Konsistensi

8.3

Keandalan

9.9

Total biaya (harga saat ini)

$0.630 ↑ +27.4%

Diuji pada: $0.495

Total token output

346,225

Total token input

262,387

Harga input

$0.300 / 1M

Harga output

$1.200 / 1M

Harga baca cache

$0.006 / 1M

Harga tulis cache

T/A

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Tes benar

Tes Salah: 13

Tingkat lulus per percobaan: 55.1%

Tes tidak stabil

5

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

115.00s

Waktu respons (maks): 560.39s

Waktu respons (total): 2645.11s

Jawaban salah: 8 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1

Hamster playing table tennis

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

#222 LongCat 2.0

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

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-10-01 03:45 Uji ulang 6.6 9.9 $0.630 ↑ Run saat ini
2026-07-20 16:55 Run awal 6.7 9.6 $0.391 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-10-01 03:45 · Run saat ini69/69 percobaan6.68.39.910/235346,225262,387$0.630115.00s
2026-07-20 16:55 · Run awal66/66 percobaan6.78.99.610/223303,04890,909$0.391100.31s
Selisih—-0.1-0.6+0.30+2+43177+171478+$0.239+14695ms

Cakupan benchmark berbeda: 69/69 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.

Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output Harga baca cache Harga tulis cache
2026-08-14 12:51 $0.300 / 1M $1.200 / 1M T/A T/A
2026-10-01 18:33 $0.300 / 1M $1.200 / 1M $0.006 / 1M T/A

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

LongCat 2.0lowvsQwen3.7 FlashmediumLongCat 2.0lowvsMercury 2mediumLongCat 2.0lowvsGLM 5.2noneLongCat 2.0lowvsStep 3.7 FlashhighLongCat 2.0lowvsGPT-5.5noneLongCat 2.0lowvsBeam 1.0 501B A23BmediumLongCat 2.0lowvsGLM 5.3 FlashlowLongCat 2.0lowvsKAT-Coder-Pro V2.5lowLongCat 2.0lowvsApodex 1.1 MinihighTersedia gratisLongCat 2.0lowvsClaude Sonnet 5.5medium

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Tugas agen 6.1 3.1
Trik anti-AI 10.0 10.0
Pemrograman 6.6 4.6
Gabungan 10.0 10.0
Parsing dan ekstraksi data 6.3 10.0
Spesifik domain 2.9 7.2
Kecerdasan umum 3.4 2.2
Kepatuhan instruksi 6.5 10.0
Pemecahan teka-teki 3.1 10.0
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan