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

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

average score जवळपास समान आहे: 7.2 vs 7.2. Step 3.7 Flash (low) चा benchmark खर्च कमी आहे: $0.449 vs $0.767. Step 3.7 Flash (low) वेगवान आहे: 20.72s vs 144.88s, pass rates 59.4% vs 63.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#213
एकूण आउटपुट टोकन्स
422,234
प्रतिसाद वेळ (सरासरी)
144.88s
एकूण खर्च
$0.767
क्रमांक
#215
एकूण आउटपुट टोकन्स
339,108
प्रतिसाद वेळ (सरासरी)
20.72s
एकूण खर्च
$0.449
शिफारस केलेले मॉडेल Step 3.7 Flash (low)

It has the best score here (7.2), while costing about 1.7x less than LongCat 2.0 (medium).

तपशीलवार तुलना

मेट्रिक LongCat 2.0 LongCat 2.0 medium प्रकाशन: 2026-07-20 Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29
स्कोअर 7.2 7.2
क्रमांक #213 #215
विश्वसनीयता 10.0 10.0
सुसंगतता 9.0 7.9
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 59.4% 63.8%
अस्थिर चाचण्या 3 6
एकूण रन 69 69
प्रति निकाल खर्च 4.942 4.078
एकूण खर्च $0.767 $0.449
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 287,669 292,685
आउटपुट टोकन्स 47,204 339,108
रिझनिंग टोकन्स 375,030 0
प्रतिसाद वेळ (सरासरी) 144.88s 20.72s
प्रतिसाद वेळ (कमाल) 939.52s 124.75s
प्रतिसाद वेळ (एकूण) 3332.19s 476.67s
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.

#213 LongCat 2.0

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

#215 Step 3.7 Flash

low
अवैध SVG
खर्च
$0.004
वेळ
25.3s
टोकन्स
3,072 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 10.0 10.0 100.0% 0 455.00s 7,419 533 214,143
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

तुलना जोडी बदला