Meituan: LongCat 2.0 vs OpenAI: GPT-5.4 Mini

GPT-5.4 Mini (medium) 平均分领先，为 7.5 vs 7.4。 LongCat 2.0 (medium) benchmark 成本更低，为 $0.478 vs $0.756。 GPT-5.4 Mini (medium) 更快，为 25.94s vs 136.64s，通过率为 60.6% vs 71.2%。

推荐模型GPT-5.4 Mini (medium)它在这里得分最高（7.5），同时响应速度比LongCat 2.0 (medium)快约 5.3 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 medium 发布日期: 2026-07-20	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17

指标	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数	7.4	7.5
排名	#60	#56
可靠性	9.8	10.0
一致性	8.9	7.7
测试正确
尝试通过率	60.6%	71.2%
不稳定测试	3	6
总运行次数	66	66
每个结果成本	3.978	6.299
总成本	$0.478	$0.756
输入价格	$0.300 / 1M	$0.750 / 1M
输出价格	$1.200 / 1M	$4.500 / 1M
总输入令牌	97,315	97,155
输出令牌	44,384	6,211
推理令牌	329,012	145,544
响应时间（平均）	136.64s	25.94s
响应时间（最大）	939.52s	138.75s
响应时间（总计）	3006.01s	570.66s

Hamster playing table tennis

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

#60 LongCat 2.0

medium

成本: $0.016
时间: 285.1s
令牌: 13,057 tok

#56 GPT-5.4 Mini

medium

成本: $0.056
时间: 95.5s
令牌: 12,464 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		9.65s	588	201	4,412
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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	10.0	10.0	100.0%	0		455.00s	7,419	533	214,143
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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	7.3	5.8	83.3%	1		151.04s	72,348	4,675	38,668
GPT-5.4 Mini	6.9	5.9	66.7%	1		59.64s	74,058	4,347	40,924

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		10.63s	7,653	198	2,536
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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	2.9	7.2	11.1%	1		339.86s	496	37,855	37,080
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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	4.8	3.2	33.3%	1		16.35s	480	121	1,598
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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		7.38s	657	78	1,652
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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	5.4	10.0	33.3%	0		8.84s	636	388	2,562
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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		10.67s	6,840	249	581
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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		191.19s	198	86	25,780
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

快速对比

切换对比组合

LongCat 2.0mediumvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium GPT-5.4 MinimediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsLongCat 2.0medium LongCat 2.0mediumvsGPT-5.6 Terralow LongCat 2.0mediumvsGPT-5.3 Chatnone Gemini 3 Flash PreviewlowvsGPT-5.4 Minimedium KAT-Coder-Pro V2.5lowvsGPT-5.4 Minimedium Claude Sonnet 4.6nonevsGPT-5.4 Minimedium Claude Opus 4.8nonevsLongCat 2.0medium LongCat 2.0mediumvsStep 3.7 Flashlow