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

Google: Gemini 3.1 Flash Lite vs Meituan: LongCat 2.0

Gemini 3.1 Flash Lite (low) average score मध्ये पुढे आहे: 6.5 vs 6.3. LongCat 2.0 चा benchmark खर्च कमी आहे: $0.044 vs $0.621. LongCat 2.0 वेगवान आहे: 5.18s vs 16.26s, pass rates 59.1% vs 36.4%.

शिफारस केलेले मॉडेलLongCat 2.0Its score stays close to the best score here (6.3 vs 6.5), while costing about 14.1x less than Gemini 3.1 Flash Lite (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-20

मेट्रिक Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low प्रकाशन: 2026-05-08 LongCat 2.0 LongCat 2.0 none प्रकाशन: 2026-07-20
स्कोअर 6.5 6.3
क्रमांक #105 #111
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 9.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 59.1% 36.4%
अस्थिर चाचण्या 2 2
एकूण रन 66 66
प्रति निकाल खर्च 5.170 0.627
एकूण खर्च $0.621 $0.044
इनपुट किंमत $0.250 / 1M $0.300 / 1M
आउटपुट किंमत $1.500 / 1M $1.200 / 1M
एकूण इनपुट टोकन्स 94,224 108,743
आउटपुट टोकन्स 7,759 9,372
रिझनिंग टोकन्स 390,126 0
प्रतिसाद वेळ (सरासरी) 16.26s 5.18s
प्रतिसाद वेळ (कमाल) 318.02s 48.38s
प्रतिसाद वेळ (एकूण) 357.64s 113.95s

Hamster playing table tennis

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

#105 Gemini 3.1 Flash Lite

low
खर्च
$0.003
वेळ
4.0s
टोकन्स
1,479 tok

#111 LongCat 2.0

none
खर्च
$0.027
वेळ
411.7s
टोकन्स
22,283 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Gemini 3.1 Flash Lite 5.5 10.0 33.3% 0 1.53s 8,132 471 1,072
LongCat 2.0 5.5 10.0 33.3% 0 2.85s 7,446 578 0

झटपट तुलना

तुलना जोडी बदला