Meituan: LongCat 2.0 vs StepFun: Step 3.7 Flash

LongCat 2.0 (medium) лидирует по среднему баллу: 7.4 vs 7.3. Step 3.7 Flash (low) имеет более низкую стоимость benchmark: $0.454 vs $0.478. Step 3.7 Flash (low) быстрее: 20.68s vs 136.64s, с долей успешных попыток 60.6% vs 68.2%.

Рекомендуемая модельStep 3.7 Flash (low)Его балл близок к лучшему здесь (7.3 против 7.4), и он отвечает примерно в 6.6 раза быстрее, чем LongCat 2.0 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-20

Метрика	LongCat 2.0 LongCat 2.0 medium Релиз: 2026-07-20	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	LongCat 2.0 LongCat 2.0 medium Релиз: 2026-07-20	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.4	7.3
Ранг	#60	#67
Надежность	9.8	10.0
Стабильность	8.9	8.1
Тестов верно
Доля успешных попыток	60.6%	68.2%
Нестабильные тесты	3	5
Всего запусков	66	66
Стоимость за результат	3.978	3.782
Общая стоимость	$0.478	$0.454
Цена входа	$0.300 / 1M	$0.200 / 1M
Цена выхода	$1.200 / 1M	$1.150 / 1M
Общее число входных токенов	97,315	103,833
Выходные токены	44,384	376,581
Токены рассуждений	329,012	0
Время ответа (среднее)	136.64s	20.68s
Время ответа (макс.)	939.52s	124.75s
Время ответа (суммарно)	3006.01s	455.01s

Hamster playing table tennis

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

#60 LongCat 2.0

medium

Стоимость: $0.016
Время: 285.1s
Токены: 13,057 tok

#67 Step 3.7 Flash

low

Неверный SVG

Стоимость: $0.004
Время: 25.3s
Токены: 3,072 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	10.0	10.0	100.0%	0		9.65s	588	201	4,412
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	6.3	10.0	50.0%	0		10.63s	7,653	198	2,536
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	4.8	3.2	33.3%	1		16.35s	480	121	1,598
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	6.5	10.0	50.0%	0		7.38s	657	78	1,652
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	5.4	10.0	33.3%	0		8.84s	636	388	2,562
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	10.0	10.0	100.0%	0		10.67s	6,840	249	581
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
LongCat 2.0	3.0	10.0	0.0%	0		191.19s	198	86	25,780
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow LongCat 2.0mediumvsQwen3.7 Maxnone KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsLongCat 2.0medium LongCat 2.0mediumvsGPT-5.6 Terralow Claude Sonnet 4.6nonevsStep 3.7 Flashlow