LongCat 2.0 (medium) vs Qwen3.8 Flash Next (xhigh)

LongCat 2.0 (medium) average score मध्ये पुढे आहे: 7.2 vs 7.1. Qwen3.8 Flash Next (xhigh) चा benchmark खर्च कमी आहे: ~$0.195 vs $0.767. Qwen3.8 Flash Next (xhigh) वेगवान आहे: 102.66s vs 144.88s, pass rates 59.4% vs 72.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-05

तुलना केलेली मॉडेल्स

क्रमांक: #149
एकूण आउटपुट टोकन्स: 422,234
प्रतिसाद वेळ (सरासरी): 144.88s
एकूण खर्च: $0.767

क्रमांक: #154
एकूण आउटपुट टोकन्स: 621,056
प्रतिसाद वेळ (सरासरी): 102.66s
एकूण खर्च: ~$0.195

शिफारस केलेले मॉडेल Qwen3.8 Flash Next (xhigh)

Its score stays close to the best score here (7.1 vs 7.2), while costing about 3.9x less than LongCat 2.0 (medium).

तपशीलवार तुलना

मेट्रिक	LongCat 2.0 LongCat 2.0 medium प्रकाशन: 2026-07-20	Qwen3.8 Flash Next Qwen3.8 Flash Next xhigh प्रकाशन: 2026-10-04

मेट्रिक	LongCat 2.0 LongCat 2.0 medium प्रकाशन: 2026-07-20	Qwen3.8 Flash Next Qwen3.8 Flash Next xhigh प्रकाशन: 2026-10-04
स्कोअर	7.2	7.1
क्रमांक	#149	#154
विश्वसनीयता	10.0	9.9
सुसंगतता	9.0	7.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	59.4%	72.5%
अस्थिर चाचण्या	3	6
एकूण रन	69	69
प्रति निकाल खर्च	4.942	~1.390
एकूण खर्च	$0.767	~$0.195
इनपुट किंमत	$0.300 / 1M	लागू नाही
आउटपुट किंमत	$1.200 / 1M	लागू नाही
कॅश वाचण्याची किंमत	$0.006 / 1M	लागू नाही
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	287,669	301,749
आउटपुट टोकन्स	47,204	1,033
रिझनिंग टोकन्स	375,030	620,023
प्रतिसाद वेळ (सरासरी)	144.88s	102.66s
प्रतिसाद वेळ (कमाल)	939.52s	674.08s
प्रतिसाद वेळ (एकूण)	3332.19s	2361.10s
पॅरामीटर्स	1.6T एकूण (48B सक्रिय)	180B एकूण (6B सक्रिय)
उपलब्धता	मुक्त स्रोत	वेट्स उपलब्ध

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.

#149 LongCat 2.0

medium

खर्च: $0.016
वेळ: 285.1s
टोकन्स: 13,057 tok

#154 Qwen3.8 Flash Next

xhigh

खर्च: ~$0.010
वेळ: 333.1s
टोकन्स: 30,654 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
LongCat 2.0	6.1	3.1	66.7%	1		174.08s	190,345	2,821	28,540
Qwen3.8 Flash Next	4.7	3.1	33.3%	1		173.66s	148,808	26	38,616

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	10.0	10.0	100.0%	0		9.65s	588	201	4,412
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		6.73s	1,128	184	7,283

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143
Qwen3.8 Flash Next	7.4	7.0	77.8%	1		192.20s	8,235	122	186,070

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668
Qwen3.8 Flash Next	7.3	5.8	83.3%	1		92.24s	122,809	52	43,355

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	6.3	10.0	50.0%	0		10.63s	7,653	198	2,536
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		9.24s	8,325	212	3,925

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	3.0	10.0	0.0%	0		390.56s	505	37,854	54,558
Qwen3.8 Flash Next	3.5	4.4	33.3%	2		326.96s	1,122	11	239,950

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	4.8	3.2	33.3%	1		16.35s	480	121	1,598
Qwen3.8 Flash Next	4.7	3.1	33.3%	1		3.95s	630	82	864

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	6.5	10.0	50.0%	0		7.38s	657	78	1,652
Qwen3.8 Flash Next	9.8	10.0	100.0%	0		3.72s	927	42	1,939

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	5.4	10.0	33.3%	0		8.84s	636	388	2,562
Qwen3.8 Flash Next	7.7	10.0	66.7%	0		19.51s	1,038	275	15,050

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	10.0	10.0	100.0%	0		10.67s	6,840	249	581
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		5.11s	8,409	21	650

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
LongCat 2.0	3.0	10.0	0.0%	0		191.19s	198	86	25,780
Qwen3.8 Flash Next	3.0	10.0	0.0%	0		325.04s	318	6	82,321

झटपट तुलना

तुलना जोडी बदला

LongCat 2.0mediumvsStep 3.7 Flashlow LongCat 2.0mediumvsQwen3.7 Flashhigh Claude Opus 4.8lowvsLongCat 2.0medium Claude Opus 5nonevsLongCat 2.0medium Qwen3.8 Flash NextxhighvsGLM 5.3 FlashXmedium Gemini 3.8 FlashlowvsLongCat 2.0medium Qwen3.8 Flash NextxhighvsMiMo-V2.6-Flashlow Claude Opus 5nonevsQwen3.8 Flash Nextxhigh Qwen3.8 Flash NextxhighvsMiMo-V2.5medium LongCat 2.0mediumvsQwen3.5-27Bnone Qwen3.8 Flash NextxhighvsStep 3.7 Flashlow Qwen3.8 Flash NextxhighvsGLM 5medium