Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Poolside: Laguna XS 2.1

Resumen

Comparación benchmark de Claude Opus 4.8 vs Laguna XS 2.1: Claude Opus 4.8 lidera en puntuación media con 7.2 vs 7.0. Laguna XS 2.1 tiene menor coste de benchmark con $0.036 vs $0.539. Claude Opus 4.8 es más rápido con 3.48s vs 30.08s, con tasas de acierto de 61.9% vs 44.4%.

Modelo recomendado: Laguna XS 2.1 - Su puntuación se mantiene cerca de la mejor aquí (7.0 vs 7.2) y cuesta aproximadamente 15.3x menos que Claude Opus 4.8.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28 Laguna XS 2.1 Laguna XS 2.1 medium Lanzamiento: 2026-07-02 Disponible gratis
Puntuación 7.2 7.0
Rango #59 #67
Fiabilidad 10.0 10.0
Consistencia 9.2 9.6
Pruebas correctas
Tasa de aciertos por intento 61.9% 44.4%
Pruebas inestables 2 1
Ejecuciones totales 63 63
Costo por resultado 4.485 0.392
Costo total $0.539 $0.036
Precio de entrada $5.000 / 1M $0.060 / 1M
Precio de salida $25.000 / 1M $0.120 / 1M
Total de tokens de entrada 67,104 45,324
Tokens de salida 8,107 25,761
Tokens de razonamiento 0 268,677
Tiempo de respuesta (promedio) 3.48s 30.08s
Tiempo de respuesta (máximo) 17.73s 155.23s
Tiempo de respuesta (total) 73.00s 631.77s

Generación showcase

Hamster playing table tennis

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

#59 Claude Opus 4.8

none
Coste
$0.053
Tiempo
22.0s
Tokens
2,253 tok

#67 Laguna XS 2.1

medium
Coste
$0.001
Tiempo
30.6s
Tokens
4,678 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
Laguna XS 2.1 4.8 10.0 25.0% 0 41.96s 774 353 73,090
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Laguna XS 2.1 5.5 10.0 33.3% 0 70.35s 7,995 23,767 83,258
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
Laguna XS 2.1 9.6 10.0 100.0% 0 13.43s 18,033 507 5,908
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
Laguna XS 2.1 10.0 10.0 100.0% 0 4.50s 7,734 234 3,129
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.3 7.2 44.4% 1 1.70s 975 61 0
Laguna XS 2.1 2.9 7.2 11.1% 1 65.66s 834 17 91,533
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
Laguna XS 2.1 5.0 10.0 0.0% 0 4.15s 537 119 1,375
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
Laguna XS 2.1 9.8 10.0 100.0% 0 2.57s 753 82 1,844
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
Laguna XS 2.1 5.3 10.0 33.3% 0 3.43s 771 357 3,355
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
Laguna XS 2.1 10.0 10.0 100.0% 0 3.01s 7,638 309 748
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
Laguna XS 2.1 3.0 10.0 0.0% 0 10.88s 255 16 4,437

Comparación rápida

Cambiar par de comparación

Laguna XS 2.1mediumDisponible gratisvsStep 3.7 FlashhighClaude Opus 4.8nonevsGemma 4 26B A4BmediumDisponible gratisGemini 3.5 FlashnonevsLaguna XS 2.1mediumDisponible gratisLaguna XS 2.1mediumDisponible gratisvsGLM 5.2noneLaguna XS 2.1mediumDisponible gratisvsQwen3.7 PlusnoneClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V4 PrononevsLaguna XS 2.1mediumDisponible gratisClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumGemini 3 Flash PreviewnonevsLaguna XS 2.1mediumDisponible gratisClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-Promedium