AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#251

LongCat 2.0

Meituan प्रकाशन: 2026-07-20 चाचणी तारीख: 2026-10-01 03:39 meituan/longcat-2.0::none
1.6T एकूण (48B सक्रिय)MoEमुक्त स्रोत
(high) (medium) (low) (none)

सारांश

LongCat 2.0 AI BENCHY वर 6.4 स्कोर करते आणि #251 वर आहे. याची reliability 10.0, pass rate 42.0%, एकूण खर्च $0.104, आणि सरासरी response time 8.50s आहे.

LongCat 2.0 खास का आहे: हे स्वायत्त एजंट कार्ये मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #4 आहे; तर कोडी सोडवणे हा सर्वात कमकुवत भाग आहे, rank #17.

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

6.4

सुसंगतता

9.0

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.104

एकूण आउटपुट टोकन्स

17,473

एकूण इनपुट टोकन्स

276,199

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$1.200 / 1M

कॅश वाचण्याची किंमत

$0.006 / 1M

कॅश लिहिण्याची किंमत

लागू नाही

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.

बरोबर चाचण्या

चुकीच्या चाचण्या: 15

प्रति प्रयत्न पास दर: 42.0%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

8.50s

प्रतिसाद वेळ (कमाल): 81.77s

प्रतिसाद वेळ (एकूण): 195.60s

चुकीचे उत्तर: 13 अतिरिक्त फॉरमॅटिंग: 1 अवैध टूल कॉल: 1

Hamster playing table tennis

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

#251 LongCat 2.0

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

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 03:39 पुन्हा चाचणी 6.4 10.0 $0.104 सध्याची रन
2026-07-20 16:55 पहिला रन 6.3 10.0 $0.044 तुलना करा

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

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-10-01 03:39 · सध्याची रन69/69 प्रयत्न6.49.010.08/23317,473276,199$0.1048.50s
2026-07-20 16:55 · पहिला रन66/66 प्रयत्न6.39.310.07/2229,372108,743$0.0445.18s
फरक—+0.1-0.30.0+1+1+8101+167456+$0.060+3325ms

बेंचमार्क कव्हरेज वेगळे आहे: 69/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 66/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत कॅश वाचण्याची किंमत कॅश लिहिण्याची किंमत
2026-08-14 12:51 $0.300 / 1M $1.200 / 1M लागू नाही लागू नाही
2026-10-01 18:33 $0.300 / 1M $1.200 / 1M $0.006 / 1M लागू नाही

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 2.0nonevsDots 3 Note Previewlowमोफत उपलब्धLongCat 2.0nonevsQwen3.5-35B-A3BmediumLongCat 2.0nonevsDots 3 Note Previewhighमोफत उपलब्धLongCat 2.0nonevsQwen3.6 27BnoneLongCat 2.0nonevsMiMo-V2.5-PromediumLongCat 2.0nonevsGemini 3.5 Flash LitelowLongCat 2.0nonevsGemini 3.5 FlashminimalLongCat 2.0nonevsGemini 3.1 Flash Lite PreviewlowLongCat 2.0nonevsMercury 2.5mediumLongCat 2.0nonevsMinimax M3.1 Flashmediumमोफत उपलब्ध

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 6.1 3.1
अँटी-एआय युक्त्या 4.8 10.0
कोडिंग 5.5 10.0
संयुक्त 6.5 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 5.0 10.0
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 4.0 5.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स