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

LongCat 2.0 (low) vs Step 3.7 Flash (high)

average score जवळपास समान आहे: 6.6 vs 6.6. LongCat 2.0 (low) चा benchmark खर्च कमी आहे: $0.630 vs $1.478. Step 3.7 Flash (high) वेगवान आहे: 72.72s vs 115.00s, pass rates 55.1% vs 58.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-16

तुलना केलेली मॉडेल्स

क्रमांक
#267
एकूण आउटपुट टोकन्स
346,225
प्रतिसाद वेळ (सरासरी)
115.00s
एकूण खर्च
$0.630
क्रमांक
#269
एकूण आउटपुट टोकन्स
1,100,052
प्रतिसाद वेळ (सरासरी)
72.72s
एकूण खर्च
$1.478
शिफारस केलेले मॉडेल LongCat 2.0 (low)

It has the best score here (6.6), while costing about 2.3x less than Step 3.7 Flash (high).

तपशीलवार तुलना

मेट्रिक LongCat 2.0 LongCat 2.0 low प्रकाशन: 2026-07-20 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 6.6 6.6
क्रमांक #267 #269
विश्वसनीयता 9.9 10.0
सुसंगतता 8.3 8.5
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 55.1% 58.0%
अस्थिर चाचण्या 5 4
एकूण रन 69 69
प्रति निकाल खर्च 4.942 12.267
एकूण खर्च $0.630 $1.478
इनपुट किंमत $0.300 / 1M $0.200 / 1M
आउटपुट किंमत $1.200 / 1M $1.150 / 1M
कॅश वाचण्याची किंमत $0.006 / 1M $0.040 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 262,387 421,200
आउटपुट टोकन्स 7,344 1,100,052
रिझनिंग टोकन्स 338,881 0
प्रतिसाद वेळ (सरासरी) 115.00s 72.72s
प्रतिसाद वेळ (कमाल) 560.39s 364.99s
प्रतिसाद वेळ (एकूण) 2645.11s 1672.53s
पॅरामीटर्स 1.6T एकूण (48B सक्रिय) 198B एकूण (11B सक्रिय)
उपलब्धता मुक्त स्रोत मुक्त स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#267 LongCat 2.0

low
खर्च
$0.024
वेळ
428.0s
टोकन्स
19,557 tok

#269 Step 3.7 Flash

high
खर्च
$0.007
वेळ
63.6s
टोकन्स
6,030 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
LongCat 2.0 6.6 4.6 77.8% 2 479.30s 6,544 461 206,627
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

तुलना जोडी बदला