Anthropic: Claude Sonnet 4.6 vs Meituan: LongCat 2.0

LongCat 2.0 (medium) 平均分领先，为 7.4 vs 7.3。 LongCat 2.0 (medium) benchmark 成本更低，为 $0.478 vs $0.661。 Claude Sonnet 4.6 更快，为 8.12s vs 136.64s，通过率为 57.6% vs 60.6%。

推荐模型Claude Sonnet 4.6它的得分接近这里的最高分（7.3 vs 7.4），同时响应速度比LongCat 2.0 (medium)快约 16.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-20

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20
分数	7.3	7.4
排名	#63	#60
可靠性	10.0	9.8
一致性	9.7	8.9
测试正确
尝试通过率	57.6%	60.6%
不稳定测试	1	3
总运行次数	66	66
每个结果成本	5.502	3.978
总成本	$0.661	$0.478
输入价格	$3.000 / 1M	$0.300 / 1M
输出价格	$15.000 / 1M	$1.200 / 1M
总输入令牌	123,264	97,315
输出令牌	19,362	44,384
推理令牌	0	329,012
响应时间（平均）	8.12s	136.64s
响应时间（最大）	51.18s	939.52s
响应时间（总计）	121.78s	3006.01s

Hamster playing table tennis

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

#63 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#60 LongCat 2.0

medium

成本: $0.016
时间: 285.1s
令牌: 13,057 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
LongCat 2.0	10.0	10.0	100.0%	0		9.65s	588	201	4,412

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
LongCat 2.0	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	9.8	10.0	100.0%	0		37.51s	91,402	13,663	0
LongCat 2.0	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
LongCat 2.0	6.3	10.0	50.0%	0		10.63s	7,653	198	2,536

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
LongCat 2.0	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
LongCat 2.0	4.8	3.2	33.3%	1		16.35s	480	121	1,598

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
LongCat 2.0	6.5	10.0	50.0%	0		7.38s	657	78	1,652

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
LongCat 2.0	5.4	10.0	33.3%	0		8.84s	636	388	2,562

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
LongCat 2.0	10.0	10.0	100.0%	0		10.67s	6,840	249	581

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
LongCat 2.0	3.0	10.0	0.0%	0		191.19s	198	86	25,780

快速对比

切换对比组合

Claude Sonnet 4.6nonevsKAT-Coder-Pro V2.5low LongCat 2.0mediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsGemini 3.1 Flash Lite Previewmedium Claude Sonnet 4.6nonevsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium Claude Sonnet 4.6nonevsGemini 3.1 Flash Litemedium LongCat 2.0mediumvsGPT-5.6 Terralow Claude Sonnet 4.6nonevsStep 3.7 Flashlow LongCat 2.0mediumvsGPT-5.3 Chatnone Claude Sonnet 4.6nonevsQwen3.5-27Bmedium Claude Sonnet 4.6nonevsKimi K2.6medium