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

Kwaipilot: KAT-Coder-Pro V2.5 vs Meituan: LongCat 2.0

KAT-Coder-Pro V2.5 average score मध्ये पुढे आहे: 6.7 vs 6.6. LongCat 2.0 (high) चा benchmark खर्च कमी आहे: $0.469 vs $0.476. KAT-Coder-Pro V2.5 वेगवान आहे: 25.56s vs 148.73s, pass rates 68.2% vs 53.0%.

शिफारस केलेले मॉडेलKAT-Coder-Pro V2.5It has the best score here (6.7), while responding about 5.8x faster than LongCat 2.0 (high).

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

मेट्रिक KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 none प्रकाशन: 2026-07-14 LongCat 2.0 LongCat 2.0 high प्रकाशन: 2026-07-20
स्कोअर 6.7 6.6
क्रमांक #92 #97
विश्वसनीयता 10.0 9.4
सुसंगतता 7.4 8.2
बरोबर चाचण्या
प्रति प्रयत्न पास दर 68.2% 53.0%
अस्थिर चाचण्या 7 5
एकूण रन 66 66
प्रति निकाल खर्च 4.319 5.202
एकूण खर्च $0.476 $0.469
इनपुट किंमत $0.740 / 1M $0.300 / 1M
आउटपुट किंमत $2.960 / 1M $1.200 / 1M
एकूण इनपुट टोकन्स 98,499 93,357
आउटपुट टोकन्स 135,861 30,466
रिझनिंग टोकन्स 0 336,325
प्रतिसाद वेळ (सरासरी) 25.56s 148.73s
प्रतिसाद वेळ (कमाल) 335.41s 941.66s
प्रतिसाद वेळ (एकूण) 562.43s 3272.00s

Hamster playing table tennis

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

#92 KAT-Coder-Pro V2.5

none
खर्च
$0.010
वेळ
29.0s
टोकन्स
3,439 tok

#97 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
KAT-Coder-Pro V2.5 6.1 4.7 66.7% 2 22.52s 7,893 22,440 0
LongCat 2.0 7.6 7.2 77.8% 1 505.33s 6,913 244 192,377

झटपट तुलना

तुलना जोडी बदला