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 Preview vs Meituan: LongCat 2.0

LongCat 2.0 (high) average score मध्ये पुढे आहे: 6.6 vs 6.5. LongCat 2.0 (high) चा benchmark खर्च कमी आहे: $0.469 vs $0.646. Gemini 3.1 Flash Lite Preview (low) वेगवान आहे: 16.70s vs 148.73s, pass rates 59.1% vs 53.0%.

शिफारस केलेले मॉडेलGemini 3.1 Flash Lite Preview (low)Its score stays close to the best score here (6.5 vs 6.6), while responding about 8.9x faster than LongCat 2.0 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-21

मेट्रिक Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low प्रकाशन: 2026-03-03 LongCat 2.0 LongCat 2.0 high प्रकाशन: 2026-07-20
स्कोअर 6.5 6.6
क्रमांक #110 #102
विश्वसनीयता 10.0 9.4
सुसंगतता 10.0 8.2
बरोबर चाचण्या
प्रति प्रयत्न पास दर 59.1% 53.0%
अस्थिर चाचण्या 0 5
एकूण रन 66 66
प्रति निकाल खर्च 4.969 5.202
एकूण खर्च $0.646 $0.469
इनपुट किंमत $0.250 / 1M $0.300 / 1M
आउटपुट किंमत $1.500 / 1M $1.200 / 1M
एकूण इनपुट टोकन्स 110,185 93,357
आउटपुट टोकन्स 14,717 30,466
रिझनिंग टोकन्स 397,483 336,325
प्रतिसाद वेळ (सरासरी) 16.70s 148.73s
प्रतिसाद वेळ (कमाल) 309.35s 941.66s
प्रतिसाद वेळ (एकूण) 367.47s 3272.00s

Hamster playing table tennis

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

#110 Gemini 3.1 Flash Lite Preview

low
खर्च
$0.002
वेळ
3.7s
टोकन्स
1,203 tok

#102 LongCat 2.0

high
अवैध SVG
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

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 Preview 5.5 10.0 33.3% 0 1.39s 8,138 660 1,060
LongCat 2.0 7.6 7.2 77.8% 1 505.33s 6,913 244 192,377

झटपट तुलना

तुलना जोडी बदला