AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#109

LongCat 2.0

Meituan प्रकाशन: 2026-07-20 चाचणी तारीख: 2026-08-14 04:10 meituan/longcat-2.0::medium
1.6T एकूण (48B सक्रिय)MoEमुक्त स्रोत
(high) (medium) (low) (none)

सारांश

LongCat 2.0 AI BENCHY वर 7.4 स्कोर करते आणि #109 वर आहे. याची reliability 10.0, pass rate 59.1%, एकूण खर्च $0.499, आणि सरासरी response time 143.55s आहे.

LongCat 2.0 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #17. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.

ओळख नोंद

Owl Alpha हे LongCat 2.0 चे स्टेल्थ आवृत्ती होते.

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

7.4

सुसंगतता

9.3

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.499

एकूण आउटपुट टोकन्स

390,873

एकूण इनपुट टोकन्स

97,324

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$1.200 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 10

प्रति प्रयत्न पास दर: 59.1%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

143.55s

प्रतिसाद वेळ (कमाल): 939.52s

प्रतिसाद वेळ (एकूण): 3158.11s

चुकीचे उत्तर: 7 API त्रुटी: 1 उत्तर नाही: 1 वेळ संपला: 1

Hamster playing table tennis

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

#109 LongCat 2.0

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

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 04:10 पुन्हा चाचणी 7.4 10.0 $0.499 सध्याची रन
2026-07-20 17:01 पहिला रन 7.4 9.8 $0.478 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत
2026-08-14 12:51 $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 2.0mediumvsGPT-5.6 LunamediumLongCat 2.0mediumvsQwen3.8 2.4T A95BhighLongCat 2.0mediumvsKimi K2.7 CodemediumLongCat 2.0mediumvsGrok 4.6lowLongCat 2.0mediumvsQwen3.7 MaxnoneLongCat 2.0mediumvsGemini 3 Flash PreviewlowLongCat 2.0mediumvsGemini 3.1 Flash Lite PreviewmediumLongCat 2.0mediumvsClaude Sonnet 4.6noneLongCat 2.0mediumvsGemini 3.8 FlashlowLongCat 2.0mediumvsGLM 5.3high

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 7.3 5.8
डेटा पार्सिंग आणि निष्कर्षण 6.3 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 4.8 3.2
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 5.4 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स