AI BENCHY
Advertise here
#60

LongCat 2.0

Meituan प्रकाशन: 2026-07-20 चाचणी तारीख: 2026-07-20 17:01 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 #60 वर आहे. याची reliability 9.8, pass rate 60.6%, एकूण खर्च $0.478, आणि सरासरी response time 136.64s 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 #18.

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

8.9

विश्वसनीयता

9.8

एकूण खर्च (सध्याची किंमत)

$0.478

एकूण आउटपुट टोकन्स

373,396

एकूण इनपुट टोकन्स

97,315

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$1.200 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 10

प्रति प्रयत्न पास दर: 60.6%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

136.64s

प्रतिसाद वेळ (कमाल): 939.52s

प्रतिसाद वेळ (एकूण): 3006.01s

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.

#60 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 तुलना करा
2026-07-20 17:01 पहिला रन 7.4 9.8 $0.478 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 2.0mediumvsGPT-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 2.0mediumvsGrok Build 0.1mediumLongCat 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 2.9 7.2
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