AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#97

LongCat 2.0

Meituan प्रकाशन: 2026-07-20 चाचणी तारीख: 2026-07-20 17:01 meituan/longcat-2.0::high
1.6T एकूण (48B सक्रिय)MoEमुक्त स्रोत
(high) (medium) (low) (none)

सारांश

LongCat 2.0 AI BENCHY वर 6.6 स्कोर करते आणि #97 वर आहे. याची reliability 9.4, pass rate 53.0%, एकूण खर्च $0.469, आणि सरासरी response time 148.73s आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले
पॅरामीटर्स
1.6T एकूण (48B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
परवाना
MIT
पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.6

सुसंगतता

8.2

विश्वसनीयता

9.4

एकूण खर्च (सध्याची किंमत)

$0.469

एकूण आउटपुट टोकन्स

366,791

एकूण इनपुट टोकन्स

93,357

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$1.200 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 13

प्रति प्रयत्न पास दर: 53.0%

अस्थिर चाचण्या

5

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

148.73s

प्रतिसाद वेळ (कमाल): 941.66s

प्रतिसाद वेळ (एकूण): 3272.00s

चुकीचे उत्तर: 6 वेळ संपला: 3 सूचनांचे पालन केले नाही: 2 उत्तर नाही: 2

Hamster playing table tennis

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

#97 LongCat 2.0

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
600.0s
टोकन्स
0 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 04:15 पुन्हा चाचणी 6.7 10.0 $0.492 तुलना करा
2026-07-20 17:01 पहिला रन 6.6 9.4 $0.469 सध्याची रन

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत
2026-07-20 17:49 $0.300 / 1M $1.200 / 1M

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

LongCat 2.0highvsGemini 3.5 FlashminimalLongCat 2.0highvsGemini 3.5 Flash LitelowLongCat 2.0highvsLongCat 2.0lowLongCat 2.0highvsQwen3.5-27BnoneLongCat 2.0highvsKAT-Coder-Pro V2.5noneLongCat 2.0highvsGemini 3.1 Flash Lite PreviewlowLongCat 2.0highvsGLM 5.2noneLongCat 2.0highvsInkling SmallmediumLongCat 2.0highvsGemma 4 26B A4Bmediumमोफत उपलब्धLongCat 2.0highvsGemini 3.1 Flash Litelow

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 8.9 8.1
कोडिंग 7.6 7.2
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 3.6 5.8
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 5.1 10.0
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 3.1 7.4
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स