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

Meituan: LongCat 2.0 vs OpenAI: gpt-oss-120b

LongCat 2.0 average score मध्ये पुढे आहे: 6.3 vs 6.1. gpt-oss-120b (medium) चा benchmark खर्च कमी आहे: $0.019 vs $0.044. LongCat 2.0 वेगवान आहे: 5.18s vs 21.91s, pass rates 36.4% vs 50.0%.

शिफारस केलेले मॉडेलLongCat 2.0It has the best score here (6.3), while responding about 4.2x faster than gpt-oss-120b (medium).

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

मेट्रिक LongCat 2.0 LongCat 2.0 none प्रकाशन: 2026-07-20 gpt-oss-120b gpt-oss-120b medium प्रकाशन: 2025-08-05
स्कोअर 6.3 6.1
क्रमांक #111 #121
विश्वसनीयता 10.0 10.0
सुसंगतता 9.3 8.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 36.4% 50.0%
अस्थिर चाचण्या 2 5
एकूण रन 66 66
प्रति निकाल खर्च 0.627 0.221
एकूण खर्च $0.044 $0.019
इनपुट किंमत $0.300 / 1M $0.037 / 1M
आउटपुट किंमत $1.200 / 1M $0.170 / 1M
एकूण इनपुट टोकन्स 108,743 108,747
आउटपुट टोकन्स 9,372 29,772
रिझनिंग टोकन्स 0 68,044
प्रतिसाद वेळ (सरासरी) 5.18s 21.91s
प्रतिसाद वेळ (कमाल) 48.38s 68.16s
प्रतिसाद वेळ (एकूण) 113.95s 328.70s

Hamster playing table tennis

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

#111 LongCat 2.0

none
खर्च
$0.027
वेळ
411.7s
टोकन्स
22,283 tok

#121 gpt-oss-120b

medium
खर्च
$0.001
वेळ
26.7s
टोकन्स
555 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 5.5 10.0 33.3% 0 2.85s 7,446 578 0
gpt-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973

झटपट तुलना

तुलना जोडी बदला