Meituan: LongCat 2.0 vs Qwen: Qwen3.7 Max

平均分几乎持平，为 7.4 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $0.478。 Qwen3.7 Max 更快，为 4.52s vs 136.64s，通过率为 60.6% vs 68.2%。

推荐模型Qwen3.7 Max它在这里得分最高（7.4），同时成本比LongCat 2.0 (medium)低约 2.4 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	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22

指标	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数	7.4	7.4
排名	#60	#59
可靠性	9.8	9.9
一致性	8.9	10.0
测试正确
尝试通过率	60.6%	68.2%
不稳定测试	3	0
总运行次数	66	66
每个结果成本	3.978	1.582
总成本	$0.478	$0.197
输入价格	$0.300 / 1M	$1.475 / 1M
输出价格	$1.200 / 1M	$4.425 / 1M
总输入令牌	97,315	95,983
输出令牌	44,384	12,446
推理令牌	329,012	0
响应时间（平均）	136.64s	4.52s
响应时间（最大）	939.52s	72.30s
响应时间（总计）	3006.01s	99.52s

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

#59 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 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
Qwen3.7 Max	6.5	10.0	50.0%	0		1.08s	696	242	0

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
Qwen3.7 Max	5.5	10.0	33.3%	0		1.35s	7,911	582	0

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
Qwen3.7 Max	6.5	10.0	50.0%	0		37.23s	68,425	10,623	0

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
Qwen3.7 Max	10.0	10.0	100.0%	0		1.35s	7,794	243	0

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
Qwen3.7 Max	7.7	10.0	66.7%	0		975ms	789	15	0

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
Qwen3.7 Max	10.0	10.0	100.0%	0		1.04s	522	120	0

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
Qwen3.7 Max	10.0	10.0	100.0%	0		943ms	711	72	0

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
Qwen3.7 Max	10.0	10.0	100.0%	0		1.13s	714	314	0

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
Qwen3.7 Max	10.0	10.0	100.0%	0		3.92s	8,211	222	0

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
Qwen3.7 Max	3.0	10.0	0.0%	0		856ms	210	13	0

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone LongCat 2.0mediumvsGPT-5.6 Terralow GPT-5.4 NanomediumvsQwen3.7 Maxnone Kimi K2.7 CodemediumvsQwen3.7 Maxnone LongCat 2.0mediumvsGPT-5.3 Chatnone Nemotron 3 Ultramedium免费可用vsQwen3.7 Maxnone