Google: Gemma 4 26B A4B vs Meituan: LongCat 2.0

LongCat 2.0 (low) 平均分领先，为 6.7 vs 6.6。 Gemma 4 26B A4B (medium) benchmark 成本更低，为 $0.089 vs $0.391。 LongCat 2.0 (low) 更快，为 100.31s vs 103.83s，通过率为 66.7% vs 53.0%。

推荐模型Gemma 4 26B A4B (medium)它的得分接近这里的最高分（6.6 vs 6.7），同时成本比LongCat 2.0 (low)低约 4.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	Gemma 4 26B A4B Gemma 4 26B A4B medium 发布日期: 2026-04-03 免费可用	LongCat 2.0 LongCat 2.0 low 发布日期: 2026-07-20

指标	Gemma 4 26B A4B Gemma 4 26B A4B medium 发布日期: 2026-04-03 免费可用	LongCat 2.0 LongCat 2.0 low 发布日期: 2026-07-20
分数	6.6	6.7
排名	#100	#96
可靠性	9.4	9.6
一致性	9.2	8.9
测试正确
尝试通过率	66.7%	53.0%
不稳定测试	2	3
总运行次数	66	66
每个结果成本	0.643	3.910
总成本	$0.089	$0.391
输入价格	$0.070 / 1M	$0.300 / 1M
输出价格	$0.340 / 1M	$1.200 / 1M
总输入令牌	77,550	90,909
输出令牌	28,036	5,679
推理令牌	219,491	297,369
响应时间（平均）	103.83s	100.31s
响应时间（最大）	912.19s	560.39s
响应时间（总计）	2180.47s	2206.82s

Hamster playing table tennis

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

#100 Gemma 4 26B A4B

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#96 LongCat 2.0

low

成本: $0.024
时间: 428.0s
令牌: 19,557 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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		6.20s	816	1,142	3,045
LongCat 2.0	10.0	10.0	100.0%	0		9.04s	588	225	4,303

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
Gemma 4 26B A4B	2.9	10.0	0.0%	0		272.54s	5,062	14,838	44,567
LongCat 2.0	6.6	4.6	77.8%	2		479.30s	6,544	461	206,627

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
Gemma 4 26B A4B	6.3	10.0	50.0%	0		492.87s	54,390	5,451	132,113
LongCat 2.0	10.0	10.0	100.0%	0		130.21s	66,883	3,905	37,643

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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		16.51s	8,334	1,567	2,827
LongCat 2.0	6.3	10.0	50.0%	0		10.77s	7,653	198	2,498

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
Gemma 4 26B A4B	2.9	4.4	22.2%	2		23.62s	516	2,469	7,105
LongCat 2.0	3.0	10.0	0.0%	0		86.08s	496	142	28,567

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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		29.76s	567	25	5,075
LongCat 2.0	3.4	2.2	33.3%	1		22.45s	480	116	2,364

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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		17.54s	777	887	4,470
LongCat 2.0	6.5	10.0	50.0%	0		6.39s	657	78	1,604

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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		5.79s	801	410	2,128
LongCat 2.0	3.1	10.0	0.0%	0		8.15s	636	289	2,561

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
Gemma 4 26B A4B	10.0	10.0	100.0%	0		9.01s	6,096	450	1,256
LongCat 2.0	10.0	10.0	100.0%	0		10.81s	6,840	249	398

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
Gemma 4 26B A4B	3.0	10.0	0.0%	0		180.87s	191	797	16,905
LongCat 2.0	3.0	10.0	0.0%	0		122.07s	132	16	10,804

快速对比

切换对比组合

KAT-Coder-Pro V2.5nonevsLongCat 2.0low Gemma 4 26B A4Bmedium免费可用vsGLM 5.2none Gemma 4 26B A4Bmedium免费可用vsLongCat 2.0high LongCat 2.0lowvsQwen3.6 35B A3Bmedium Gemma 4 26B A4Bmedium免费可用vsQwen3.6 Max Previewnone Gemini 3 Flash PreviewnonevsLongCat 2.0low Gemma 4 26B A4Bmedium免费可用vsKAT-Coder-Pro V2.5none LongCat 2.0lowvsGLM 5.2none Gemini 3.5 FlashminimalvsLongCat 2.0low Gemma 4 26B A4Bmedium免费可用vsQwen3.5-27Bnone LongCat 2.0lowvsQwen3.6 Max Previewnone LongCat 2.0lowvsGPT-5.5none