#377

Laguna S 2.1

Poolside रिलीज़: 2026-07-21 परीक्षण किया गया: 2026-10-01 03:56 poolside/laguna-s-2.1::low

118B कुल (8B सक्रिय)MoEवेट उपलब्ध

(high) (medium) (low) (none)

सारांश

Laguna S 2.1 AI BENCHY पर 4.6 स्कोर करता है और #377 पर है। इसकी reliability 10.0, pass rate 23.2%, कुल लागत $0.108, और औसत response time 88.24s है।

सुझाए गए विकल्प

हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:

Claude Haiku 5.5 (low)

स्कोर: 8.6 (+3.98 अंक)
कुल लागत (वर्तमान कीमत): $0.061 · 43.8% सस्ता
प्रतिक्रिया समय (औसत): 7.51s · 91.5% तेज़

तुलना करें →

Space Bunny Alpha (high)

स्कोर: 7.5 (+2.95 अंक)
कुल लागत (वर्तमान कीमत): $0.000 · 100.0% सस्ता
प्रतिक्रिया समय (औसत): 29.38s · 66.7% तेज़

तुलना करें →

GLM 5.3 Flash (max)

स्कोर: 9.0 (+4.35 अंक)
कुल लागत (वर्तमान कीमत): $0.089 · 18.2% सस्ता
प्रतिक्रिया समय (औसत): 54.04s · 38.8% तेज़

तुलना करें →

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 118B कुल (8B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: वेट उपलब्ध
लाइसेंस: OpenMDW

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

4.6

संगति

7.8

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.108 ↓ -1.0%

परीक्षण के समय: $0.109

कुल आउटपुट टोकन

437,706

कुल इनपुट टोकन

232,641

इनपुट कीमत

$0.090 / 1M

आउटपुट कीमत

$0.180 / 1M

कैश पढ़ने की कीमत

$0.009 / 1M

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 20

प्रति प्रयास पास दर: 23.2%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

88.24s

प्रतिक्रिया समय (अधिकतम): 814.73s

प्रतिक्रिया समय (कुल): 2029.57s

गलत उत्तर: 16 निर्देशों का पालन नहीं किया: 2 अतिरिक्त फॉर्मेटिंग: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#377 Laguna S 2.1

low

लागत: $0.001
समय: 6.6s
टोकन: 1,314 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	सही परीक्षण	कुल लागत	तुलना करें
2026-10-01 03:56 दोबारा परीक्षण	4.6	10.0		$0.108 ↓	वर्तमान रन
2026-07-22 12:34 पहला रन	5.0	9.9		$0.091	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-10-01 03:56 · वर्तमान रन	69/69 प्रयास	4.6	7.8	10.0	3/23	6	437,706	232,641	$0.108	88.24s
2026-07-22 12:34 · पहला रन	66/66 प्रयास	5.0	7.8	9.9	3/22	6	451,708	118,746	$0.091	85.35s
अंतर	—	-0.4	0.0	+0.1	0	0	-14002	+113895	+$0.018	+2895ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत	कैश पढ़ने की कीमत	कैश लिखने की कीमत
2026-07-22 12:53	$0.100 / 1M	$0.200 / 1M	लागू नहीं	लागू नहीं
2026-08-14 12:51	$0.090 / 1M	$0.180 / 1M	लागू नहीं	लागू नहीं
2026-10-01 18:33	$0.090 / 1M	$0.180 / 1M	$0.009 / 1M	लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
स्वायत्त एजेंट कार्य	2.8	1.6
एंटी-एआई ट्रिक्स	3.4	7.4
कोडिंग	3.8	7.1
संयुक्त	3.2	5.2
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	3.0	10.0
Samanya Buddhimatta	4.8	10.0
निर्देश पालन	4.3	6.8
पहेली समाधान	3.1	7.3
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Laguna S 2.1

सुझाए गए विकल्प

मॉडल विवरण

Hamster playing table tennis

#377 Laguna S 2.1

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल