AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#277

Laguna XS 2.1

Poolside रिलीज़: 2026-07-02 परीक्षण किया गया: 2026-10-01 02:58 poolside/laguna-xs-2.1::medium
33B कुल (3B सक्रिय)MoEवेट उपलब्ध
(medium) (none)

सारांश

Laguna XS 2.1 AI BENCHY पर 6.4 स्कोर करता है और #277 पर है। इसकी reliability 10.0, pass rate 46.4%, कुल लागत $0.083, और औसत response time 48.97s है।

Laguna XS 2.1 को अलग क्या बनाता है: यह स्वायत्त एजेंट कार्य में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
33B कुल (3B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
वेट उपलब्ध
लाइसेंस
OpenMDW

संगति

9.0

कुल आउटपुट टोकन

514,966

कुल इनपुट टोकन

352,516

इनपुट कीमत

$0.060 / 1M

आउटपुट कीमत

$0.120 / 1M

कैश पढ़ने की कीमत

$0.030 / 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: 14

प्रति प्रयास पास दर: 46.4%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

48.97s

प्रतिक्रिया समय (अधिकतम): 422.72s

प्रतिक्रिया समय (कुल): 1126.35s

Hamster playing table tennis

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

#277 Laguna XS 2.1

medium
लागत
$0.001
समय
30.6s
टोकन
4,678 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 02:58 दोबारा परीक्षण 6.4 10.0 $0.083 वर्तमान रन
2026-07-16 23:39 नया टेस्ट जोड़ा गया 6.5 10.0 $0.068 तुलना करें
2026-07-02 16:38 पहला रन 7.0 10.0 $0.036 तुलना करें

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

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 02:58 · वर्तमान रन69/69 प्रयास6.49.010.09/233514,966352,516$0.08348.97s
2026-07-02 16:38 · पहला रन63/63 प्रयास7.09.610.09/211294,43845,324$0.03630.08s
अंतर—-0.6-0.60.00+2+220528+307192+$0.048+18887ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 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
2026-08-14 12:51 $0.060 / 1M $0.120 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $0.060 / 1M $0.120 / 1M $0.030 / 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 सही परीक्षण
स्वायत्त एजेंट कार्य 6.1 3.1
एंटी-एआई ट्रिक्स 4.8 10.0
कोडिंग 5.5 10.0
संयुक्त 6.3 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 5.0 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 5.3 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल