LongCat 2.0 (medium) vs Grok 4.6 (low)

排名: #88
总输出令牌: 373,396
响应时间（平均）: 136.64s
总成本: $0.478

排名: #90
总输出令牌: 36,792
响应时间（平均）: 14.20s
总成本: $0.441

推荐模型 Grok 4.6 (low)

它在这里得分最高（7.4），同时响应速度比LongCat 2.0 (medium)快约 9.6 倍。

详细对比

指标	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20	Grok 4.6 Grok 4.6 low 发布日期: 2026-08-12

指标	LongCat 2.0 LongCat 2.0 medium 发布日期: 2026-07-20	Grok 4.6 Grok 4.6 low 发布日期: 2026-08-12
分数	7.4	7.4
排名	#88	#90
可靠性	9.8	10.0
一致性	8.9	9.2
尝试次数	66/66	66/66
测试正确
尝试通过率	60.6%	71.2%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	3.978	2.938
总成本	$0.478	$0.441
输入价格	$0.300 / 1M	$2.000 / 1M
输出价格	$1.200 / 1M	$6.000 / 1M
总输入令牌	97,315	109,951
输出令牌	44,384	5,124
推理令牌	329,012	31,668
响应时间（平均）	136.64s	14.20s
响应时间（最大）	939.52s	26.46s
响应时间（总计）	3006.01s	312.33s
参数量	1.6T 总计 (48B 激活)	~1.7T 总计 (~170B 激活)
开放状态	开源	闭源

模型生成展示

Hamster playing table tennis

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

#88 LongCat 2.0

medium

成本: $0.016
时间: 285.1s
令牌: 13,057 tok

#90 SpaceXAI: Grok 4.6

low

成本: $0.011
时间: 26.0s
令牌: 1,941 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
Grok 4.6	10.0	10.0	100.0%	0		9.00s	2,991	104	3,343

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
Grok 4.6	5.5	7.1	44.4%	1		21.69s	9,579	349	7,740

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
Grok 4.6	6.5	10.0	50.0%	0		23.33s	71,233	3,899	2,805

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
Grok 4.6	10.0	10.0	100.0%	0		11.63s	8,937	225	1,423

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
Grok 4.6	2.9	7.2	11.1%	1		15.58s	2,514	16	6,665

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
Grok 4.6	10.0	10.0	100.0%	0		16.29s	1,077	55	1,009

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
Grok 4.6	9.8	10.0	100.0%	0		6.64s	1,857	57	2,310

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
Grok 4.6	10.0	10.0	100.0%	0		8.16s	2,430	154	2,506

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
Grok 4.6	10.0	10.0	100.0%	0		14.42s	8,544	255	359

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
Grok 4.6	3.0	10.0	0.0%	0		26.11s	789	10	3,508

快速对比

切换对比组合

LongCat 2.0mediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsGrok 4.6low Muse Glimmer 30BhighvsGrok 4.6low Gemini 3 Flash PreviewlowvsLongCat 2.0medium KAT-Coder-Pro V2.5lowvsLongCat 2.0medium Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.6low DeepSeek V4 Flash 0731mediumvsGrok 4.6low LongCat 2.0mediumvsQwen3.8 2.4T A95Bhigh Qwen3.7 MaxnonevsGrok 4.6low Claude Sonnet 4.6nonevsLongCat 2.0medium Qwen3.5-27BmediumvsGrok 4.6low Gemini 3.1 Flash LitemediumvsGrok 4.6low