Claude Opus 4.8 (low) vs LongCat 2.0 (high)

LongCat 2.0 (high) average score मध्ये पुढे आहे: 7.3 vs 7.2. LongCat 2.0 (high) चा benchmark खर्च कमी आहे: $0.569 vs $3.787. Claude Opus 4.8 (low) वेगवान आहे: 17.13s vs 151.67s, pass rates 78.3% vs 53.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #143
एकूण आउटपुट टोकन्स: 69,489
प्रतिसाद वेळ (सरासरी): 17.13s
एकूण खर्च: $3.787

क्रमांक: #136
एकूण आउटपुट टोकन्स: 404,635
प्रतिसाद वेळ (सरासरी): 151.67s
एकूण खर्च: $0.569

शिफारस केलेले मॉडेल Claude Opus 4.8 (low)

Its score stays close to the best score here (7.2 vs 7.3), while responding about 8.9x faster than LongCat 2.0 (high).

तपशीलवार तुलना

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28	LongCat 2.0 LongCat 2.0 high प्रकाशन: 2026-07-20

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28	LongCat 2.0 LongCat 2.0 high प्रकाशन: 2026-07-20
स्कोअर	7.2	7.3
क्रमांक	#143	#136
विश्वसनीयता	10.0	10.0
सुसंगतता	8.6	8.5
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	78.3%	53.6%
अस्थिर चाचण्या	4	4
एकूण रन	69	69
प्रति निकाल खर्च	23.669	5.681
एकूण खर्च	$3.787	$0.569
इनपुट किंमत	$5.000 / 1M	$0.300 / 1M
आउटपुट किंमत	$25.000 / 1M	$1.200 / 1M
एकूण इनपुट टोकन्स	409,947	275,080
आउटपुट टोकन्स	46,060	32,447
रिझनिंग टोकन्स	23,429	372,188
प्रतिसाद वेळ (सरासरी)	17.13s	151.67s
प्रतिसाद वेळ (कमाल)	127.97s	941.66s
प्रतिसाद वेळ (एकूण)	394.01s	3488.43s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	1.6T एकूण (48B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#143 Claude Opus 4.8

low

खर्च: $0.031
वेळ: 14.1s
टोकन्स: 1,345 tok

#136 LongCat 2.0

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 600.0s
टोकन्स: 0 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	4.7	3.1	33.3%	1		110.68s	253,425	3,004	14,248
LongCat 2.0	10.0	10.0	100.0%	0		116.07s	181,669	1,977	16,016

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
LongCat 2.0	8.9	8.1	91.7%	1		7.76s	588	303	3,300

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
LongCat 2.0	7.8	9.3	66.7%	0		505.33s	6,913	244	192,377

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	9.9	10.0	100.0%	0		36.87s	119,079	13,586	2,867
LongCat 2.0	10.0	10.0	100.0%	0		167.13s	68,941	4,934	49,558

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
LongCat 2.0	3.6	5.8	33.3%	1		10.98s	7,653	197	2,714

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	5.3	10.0	33.3%	0		46.54s	972	23,226	4,472
LongCat 2.0	3.6	7.2	22.2%	1		433.73s	505	23,928	86,947

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
LongCat 2.0	5.1	10.0	0.0%	0		17.00s	480	111	1,748

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
LongCat 2.0	6.5	10.0	50.0%	0		6.96s	657	78	1,726

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
LongCat 2.0	3.1	7.4	11.1%	1		9.18s	636	379	2,778

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
LongCat 2.0	10.0	10.0	100.0%	0		10.02s	6,840	249	505

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
LongCat 2.0	3.0	10.0	0.0%	0		99.44s	198	47	14,519

झटपट तुलना

तुलना जोडी बदला

Gemini 2.5 FlashmediumvsLongCat 2.0high LongCat 2.0highvsQwen3.6 Plusmedium Gemini 3.5 Flash LitemediumvsLongCat 2.0high Claude Opus 4.8lowvsQwen3.8 27Bmediumमोफत उपलब्ध LongCat 2.0highvsGrok 4.7medium Claude Opus 4.8lowvsQwen3.7 Flashhigh Claude Opus 4.8lowvsQwen3.5 Plus 2026-02-15medium Claude Fable 5.1mediumvsLongCat 2.0high Claude Opus 4.8lowvsLongCat 2.0medium Claude Opus 4.8lowvsGLM 5medium LongCat 2.0highvsQwen3.5-27Bnone Claude Opus 4.8lowvsQwen3.5-27Bnone