#239

Laguna S 2.1

Poolside रिलीज़: 2026-07-21 परीक्षण किया गया: 2026-08-14 04:00 poolside/laguna-s-2.1::medium

118B कुल (8B सक्रिय)MoEवेट उपलब्ध

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

सारांश

Laguna S 2.1 AI BENCHY पर 5.4 स्कोर करता है और #239 पर है। इसकी reliability 10.0, pass rate 24.2%, कुल लागत $0.053, और औसत response time 58.42s है।

Laguna S 2.1 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।

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

5.4

संगति

8.8

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.053 ↓ -10.0%

परीक्षण के समय: $0.059

कुल आउटपुट टोकन

339,595

कुल इनपुट टोकन

86,647

इनपुट कीमत

$0.090 / 1M

आउटपुट कीमत

$0.180 / 1M

सही परीक्षण

गलत टेस्ट: 18

प्रति प्रयास पास दर: 24.2%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

58.42s

प्रतिक्रिया समय (अधिकतम): 560.31s

प्रतिक्रिया समय (कुल): 1285.26s

गलत उत्तर: 13 अमान्य टूल कॉल: 2 कोई उत्तर नहीं: 2 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#239 Laguna S 2.1

medium

लागत: $0.001
समय: 4.0s
टोकन: 867 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	सही परीक्षण	कुल लागत	तुलना करें
2026-08-14 04:00 दोबारा परीक्षण	5.4	10.0		$0.053 ↓	वर्तमान रन
2026-07-22 12:18 पहला रन	5.4	9.8		$0.059	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)
2026-08-14 04:00 · वर्तमान रन	66/66 प्रयास	5.4	8.8	10.0	4/22	3	339,595	86,647	$0.053	58.42s
2026-07-22 12:18 · पहला रन	66/66 प्रयास	5.4	8.4	9.8	4/22	4	339,595	86,641	$0.059	58.43s
अंतर	—	0.0	+0.4	+0.2	0	-1	0	+6	-$0.006	-10ms

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
2026-07-22 12:53	$0.100 / 1M	$0.200 / 1M
2026-08-14 12:51	$0.090 / 1M	$0.180 / 1M

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
एंटी-एआई ट्रिक्स	3.4	5.8
कोडिंग	5.3	7.2
संयुक्त	3.2	9.1
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	3.0	10.0
Samanya Buddhimatta	4.6	9.8
निर्देश पालन	4.2	9.9
पहेली समाधान	3.1	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Laguna S 2.1

मॉडल विवरण

Hamster playing table tennis

#239 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