#64 LongCat 2.0
medium- コスト
- $0.016
- 時間
- 285.1s
- トークン
- 13,057 tok
Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash
LongCat 2.0 (medium) が平均スコアでリードし、7.4 vs 7.3 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.454 vs $0.478 です。 Step 3.7 Flash (low) の方が高速で、20.68s vs 136.64s です、成功率は 60.6% vs 68.2% です。
おすすめモデルStep 3.7 Flash (low)スコアはここでの最高値に近く（7.3 vs 7.4）、LongCat 2.0 (medium) より約 6.6 倍速く応答します。
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-21
| 指標 | LongCat 2.0 LongCat 2.0 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| スコア | 7.4 | 7.3 |
| 順位 | #64 | #71 |
| 信頼性 | 9.8 | 10.0 |
| 一貫性 | 8.9 | 8.1 |
| 正解テスト | ||
| 試行ごとの合格率 | 60.6% | 68.2% |
| 不安定なテスト | 3 | 5 |
| 総実行回数 | 66 | 66 |
| 結果あたりのコスト | 3.978 | 3.782 |
| 合計コスト | $0.478 | $0.454 |
| 入力価格 | $0.300 / 1M | $0.200 / 1M |
| 出力価格 | $1.200 / 1M | $1.150 / 1M |
| 合計入力トークン | 97,315 | 103,833 |
| 出力トークン | 44,384 | 376,581 |
| 推論トークン | 329,012 | 0 |
| 応答時間（平均） | 136.64s | 20.68s |
| 応答時間（最大） | 939.52s | 124.75s |
| 応答時間（合計） | 3006.01s | 455.01s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#71 Step 3.7 Flash
low
無効なSVG
- コスト
- $0.004
- 時間
- 25.3s
- トークン
- 3,072 tok
スコア上位モデル
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 10.0 | 10.0 | 100.0% | 0 | 9.65s | 588 | 201 | 4,412 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 10.0 | 10.0 | 100.0% | 0 | 455.00s | 7,419 | 533 | 214,143 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 7.3 | 5.8 | 83.3% | 1 | 151.04s | 72,348 | 4,675 | 38,668 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 6.3 | 10.0 | 50.0% | 0 | 10.63s | 7,653 | 198 | 2,536 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 2.9 | 7.2 | 11.1% | 1 | 339.86s | 496 | 37,855 | 37,080 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 4.8 | 3.2 | 33.3% | 1 | 16.35s | 480 | 121 | 1,598 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 6.5 | 10.0 | 50.0% | 0 | 7.38s | 657 | 78 | 1,652 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 5.4 | 10.0 | 33.3% | 0 | 8.84s | 636 | 388 | 2,562 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 10.0 | 10.0 | 100.0% | 0 | 10.67s | 6,840 | 249 | 581 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| LongCat 2.0 | 3.0 | 10.0 | 0.0% | 0 | 191.19s | 198 | 86 | 25,780 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 |
クイック比較
比較ペアを切り替え
Claude Opus 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowLongCat 2.0mediumvsQwen3.7 MaxnoneKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsLongCat 2.0mediumKAT-Coder-Pro V2.5lowvsLongCat 2.0mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsLongCat 2.0mediumLongCat 2.0mediumvsGPT-5.6 TerralowClaude Sonnet 4.6nonevsStep 3.7 Flashlow