- 排名
- #94
- 总输出令牌
- 390,873
- 响应时间（平均）
- 143.55s
- 总成本
- $0.499
LongCat 2.0 (medium) vs Grok Build 0.1 (medium)
平均分几乎持平，为 7.4 vs 7.5。 LongCat 2.0 (medium) benchmark 成本更低，为 $0.499 vs $1.130。 Grok Build 0.1 (medium) 更快，为 54.50s vs 143.55s，通过率为 59.1% vs 60.6%。
- 排名
- #89
- 总输出令牌
- 511,406
- 响应时间（平均）
- 54.50s
- 总成本
- $1.130
推荐模型
LongCat 2.0 (medium)
它在这里得分最高（7.4），同时成本比Grok Build 0.1 (medium)低约 2.3 倍。
详细对比
| 指标 | LongCat 2.0 LongCat 2.0 medium | Grok Build 0.1 Grok Build 0.1 medium |
|---|---|---|
| 分数 | 7.4 | 7.5 |
| 排名 | #94 | #89 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 9.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 59.1% | 60.6% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.153 | 8.691 |
| 总成本 | $0.499 | $1.130 |
| 输入价格 | $0.300 / 1M | $1.000 / 1M |
| 输出价格 | $1.200 / 1M | $2.000 / 1M |
| 总输入令牌 | 97,324 | 106,946 |
| 输出令牌 | 44,383 | 7,993 |
| 推理令牌 | 346,490 | 503,413 |
| 响应时间（平均） | 143.55s | 54.50s |
| 响应时间（最大） | 939.52s | 252.69s |
| 响应时间（总计） | 3158.11s | 1199.07s |
| 参数量 | 1.6T 总计 (48B 激活) | ~300B 总计 (~30B 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.
#94 LongCat 2.0
medium- 成本
- $0.016
- 时间
- 285.1s
- 令牌
- 13,057 tok
#89 SpaceXAI: Grok Build 0.1
medium- 成本
- $0.028
- 时间
- 81.3s
- 令牌
- 14,009 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
| 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 Build 0.1 | 8.3 | 10.0 | 75.0% | 0 | 7.43s | 2,010 | 220 | 12,162 |
| 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 Build 0.1 | 5.7 | 9.7 | 33.3% | 0 | 108.46s | 8,304 | 1,138 | 161,452 |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 65.08s | 75,242 | 5,442 | 65,569 |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 10.72s | 7,761 | 180 | 8,876 |
| 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 | 390.56s | 505 | 37,854 | 54,558 | |
| Grok Build 0.1 | 2.9 | 7.2 | 11.1% | 1 | 175.94s | 1,959 | 492 | 192,037 |
| 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 Build 0.1 | 4.4 | 9.9 | 0.0% | 0 | 18.41s | 825 | 76 | 6,345 |
| 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 Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 12.36s | 1,362 | 57 | 9,599 |
| 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 Build 0.1 | 7.7 | 10.0 | 66.7% | 0 | 18.26s | 1,689 | 195 | 20,841 |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 13.12s | 7,263 | 180 | 4,969 |
| 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 Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 53.51s | 531 | 13 | 21,563 |
快速对比
切换对比组合
Qwen3.7 MaxnonevsGrok Build 0.1mediumGPT 5.3 ChatnonevsGrok Build 0.1mediumLongCat 2.0mediumvsQwen3.7 MaxnoneLongCat 2.0mediumvsQwen3.8 2.4T A95BhighGPT-5.6 TerralowvsGrok Build 0.1mediumLongCat 2.0mediumvsGrok 4.6lowGemini 3 Flash PreviewlowvsLongCat 2.0mediumLongCat 2.0mediumvsGPT 5.3 ChatnoneQwen3.8 2.4T A95BhighvsGrok Build 0.1mediumLongCat 2.0mediumvsGPT-5.6 TerralowClaude Sonnet 4.6nonevsLongCat 2.0mediumGemini 3 Flash PreviewlowvsGrok Build 0.1medium