#200

Laguna XS 2.1

Poolside প্রকাশ: 2026-07-02 পরীক্ষিত হয়েছে: 2026-10-01 02:58 poolside/laguna-xs-2.1::medium

33B মোট (3B সক্রিয়)MoEওজন উপলভ্য

(medium) (none)

সারাংশ

Laguna XS 2.1 AI BENCHY-তে 6.4 স্কোর করে এবং #200 স্থানে আছে। এর reliability 10.0, pass rate 46.4%, মোট খরচ $0.083, এবং গড় response time 48.97s.

Laguna XS 2.1 কে আলাদা করে যা: এটি স্বায়ত্তশাসিত এজেন্টের কাজ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #4; আর ধাঁধা সমাধান এর দুর্বলতম ক্ষেত্র, rank #15. এটি অস্বাভাবিকভাবে বেশি reasoning tokens ব্যবহার করে, যা ধীর বা বেশি খরচের runs ব্যাখ্যা করতে পারে।

প্রস্তাবিত বিকল্প

এর বদলে এই মডেলগুলির একটি বেছে নেওয়ার পরামর্শ দিই:

Space Bunny Alpha (high)

স্কোর: 7.5 (+1.10 পয়েন্ট)
মোট খরচ (বর্তমান মূল্য): $0.000 · 100.0% সস্তা
প্রতিক্রিয়া সময় (গড়): 29.38s · 40.0% দ্রুত

তুলনা করুন →

GPT-6 Luna (medium)

স্কোর: 8.3 (+1.82 পয়েন্ট)
মোট খরচ (বর্তমান মূল্য): $0.047 · 43.5% সস্তা
প্রতিক্রিয়া সময় (গড়): 18.07s · 63.1% দ্রুত

তুলনা করুন →

Mercury 2.5 Preview (medium)

স্কোর: 6.8 (+0.36 পয়েন্ট)
মোট খরচ (বর্তমান মূল্য): $0.039 · 53.7% সস্তা
প্রতিক্রিয়া সময় (গড়): 6.66s · 86.4% দ্রুত

তুলনা করুন →

শুধু সম্পূর্ণ পরীক্ষা। স্কোরে সর্বোচ্চ 0.2/10 হ্রাসের জন্য খরচ বা গতিতে বড় লাভ চাই। সর্বোচ্চ 5% বেশি খরচ ও 10% বেশি সময়; মাপা নির্ভরযোগ্যতা কমবে না।

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

প্রকাশিত

প্যারামিটার: 33B মোট (3B সক্রিয়)
আর্কিটেকচার: MoE
উপলভ্যতা: ওজন উপলভ্য
লাইসেন্স: OpenMDW

প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

6.4

ধারাবাহিকতা

9.0

নির্ভরযোগ্যতা

10.0

মোট খরচ (বর্তমান মূল্য)

$0.083

মোট আউটপুট টোকেন

538,292

মোট ইনপুট টোকেন

352,516

ইনপুট মূল্য

$0.060 / 1M

আউটপুট মূল্য

$0.120 / 1M

ক্যাশ পড়ার মূল্য

$0.030 / 1M

ক্যাশ লেখার মূল্য

প্রযোজ্য নয়

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

সঠিক টেস্ট

ভুল টেস্ট: 14

প্রতি চেষ্টায় পাস রেট: 46.4%

অস্থির টেস্ট

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

48.97s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 422.72s

প্রতিক্রিয়া সময় (মোট): 1126.35s

ভুল উত্তর: 10 অবৈধ টুল কল: 2 কোন উত্তর নেই: 2

Hamster playing table tennis

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

#200 Laguna XS 2.1

medium

খরচ: $0.001
সময়: 30.6s
টোকেন: 4,678 tok

রান ইতিহাস

পরীক্ষিত হয়েছে	স্কোর	নির্ভরযোগ্যতা	মোট খরচ	তুলনা করুন
2026-10-01 02:58 পুনরায় পরীক্ষা	6.4	10.0	$0.083	বর্তমান রান
2026-07-16 23:39 নতুন টেস্ট যোগ হয়েছে	6.5	10.0	$0.068	তুলনা করুন
2026-07-02 16:38 প্রথম রান	7.0	10.0	$0.036	তুলনা করুন

এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।

রান তুলনা

রান	বেঞ্চমার্ক কভারেজ	স্কোর	ধারাবাহিকতা	নির্ভরযোগ্যতা	সঠিক টেস্ট	অস্থির টেস্ট	মোট আউটপুট টোকেন	মোট ইনপুট টোকেন	মোট খরচ	প্রতিক্রিয়া সময় (গড়)
2026-10-01 02:58 · বর্তমান রান	69/69 প্রচেষ্টা	6.4	9.0	10.0	9/23	3	538,292	352,516	$0.083	48.97s
2026-07-02 16:38 · প্রথম রান	63/63 প্রচেষ্টা	7.0	9.6	10.0	9/21	1	294,438	45,324	$0.036	30.08s
পার্থক্য	—	-0.6	-0.6	0.0	0	+2	+243854	+307192	+$0.048	+18887ms

বেঞ্চমার্ক কভারেজ আলাদা: 69/69 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 63/63 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

মূল্যের ইতিহাস

OpenRouter থেকে এই মডেলের ঐতিহাসিক মূল্য তথ্য।

তারিখ	ইনপুট মূল্য	আউটপুট মূল্য	ক্যাশ পড়ার মূল্য	ক্যাশ লেখার মূল্য
2026-08-14 12:51	$0.060 / 1M	$0.120 / 1M	প্রযোজ্য নয়	প্রযোজ্য নয়
2026-10-01 18:33	$0.060 / 1M	$0.120 / 1M	$0.030 / 1M	প্রযোজ্য নয়

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ	স্কোর	ধারাবাহিকতা
স্বায়ত্তশাসিত এজেন্টের কাজ	6.1	3.1
অ্যান্টি-এআই কৌশল	4.8	10.0
কোডিং	5.5	10.0
সমন্বিত	6.3	10.0
ডেটা পার্সিং ও নিষ্কাশন	10.0	10.0
ডোমেইন-নির্দিষ্ট	3.5	4.4
Sadharon Buddhimotta	5.0	10.0
নির্দেশনা অনুসরণ	9.8	10.0
ধাঁধা সমাধান	5.3	10.0
টুল কলিং	10.0	10.0
সাধারণ জ্ঞান	3.0	10.0

Laguna XS 2.1

প্রস্তাবিত বিকল্প

মডেলের তথ্য

Hamster playing table tennis

#200 Laguna XS 2.1

চার্ট

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর vs মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

তুলনা করা মডেল