Meituan: LongCat 2.0 vs OpenAI: GPT-5.5

GPT-5.5 (low) 平均分领先，为 9.3 vs 6.7。 LongCat 2.0 (low) benchmark 成本更低，为 $0.391 vs $1.253。 GPT-5.5 (low) 更快，为 10.13s vs 100.31s，通过率为 53.0% vs 86.4%。

推荐模型GPT-5.5 (low)它在这里得分最高（9.3），同时响应速度比LongCat 2.0 (low)快约 9.9 倍。

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

指标	LongCat 2.0 LongCat 2.0 low 发布日期: 2026-07-20	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	LongCat 2.0 LongCat 2.0 low 发布日期: 2026-07-20	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	6.7	9.3
排名	#91	#6
可靠性	9.6	10.0
一致性	8.9	10.0
测试正确
尝试通过率	53.0%	86.4%
不稳定测试	3	0
总运行次数	66	66
每个结果成本	3.910	6.594
总成本	$0.391	$1.253
输入价格	$0.300 / 1M	$5.000 / 1M
输出价格	$1.200 / 1M	$30.000 / 1M
总输入令牌	90,909	80,058
输出令牌	5,679	5,378
推理令牌	297,369	23,040
响应时间（平均）	100.31s	10.13s
响应时间（最大）	560.39s	56.19s
响应时间（总计）	2206.82s	222.82s

Hamster playing table tennis

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

#91 LongCat 2.0

low

成本: $0.024
时间: 428.0s
令牌: 19,557 tok

#6 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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
LongCat 2.0	10.0	10.0	100.0%	0		9.04s	588	225	4,303
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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
LongCat 2.0	6.6	4.6	77.8%	2		479.30s	6,544	461	206,627
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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
LongCat 2.0	10.0	10.0	100.0%	0		130.21s	66,883	3,905	37,643
GPT-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297

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
LongCat 2.0	6.3	10.0	50.0%	0		10.77s	7,653	198	2,498
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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
LongCat 2.0	3.0	10.0	0.0%	0		86.08s	496	142	28,567
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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
LongCat 2.0	3.4	2.2	33.3%	1		22.45s	480	116	2,364
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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
LongCat 2.0	6.5	10.0	50.0%	0		6.39s	657	78	1,604
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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
LongCat 2.0	3.1	10.0	0.0%	0		8.15s	636	289	2,561
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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
LongCat 2.0	10.0	10.0	100.0%	0		10.81s	6,840	249	398
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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
LongCat 2.0	3.0	10.0	0.0%	0		122.07s	132	16	10,804
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

快速对比

切换对比组合

KAT-Coder-Pro V2.5nonevsLongCat 2.0low LongCat 2.0lowvsQwen3.6 35B A3Bmedium Gemini 3 Flash PreviewnonevsLongCat 2.0low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemma 4 26B A4Bmedium免费可用vsLongCat 2.0low LongCat 2.0lowvsGLM 5.2none Gemini 3.5 FlashminimalvsLongCat 2.0low LongCat 2.0lowvsQwen3.6 Max Previewnone LongCat 2.0lowvsGPT-5.5none LongCat 2.0lowvsStep 3.7 Flashhigh LongCat 2.0lowvsQwen3.6 Flashmedium LongCat 2.0lowvsQwen3.6 27Bmedium