#96

Laguna XS 2.1

Poolside प्रकाशन: 2026-07-02 चाचणी तारीख: 2026-07-16 23:39 poolside/laguna-xs-2.1::medium

33B एकूण (3B सक्रिय)MoEवेट्स उपलब्ध

(medium) (none)

सारांश

Laguna XS 2.1 AI BENCHY वर 6.5 स्कोर करते आणि #96 वर आहे. याची reliability 10.0, pass rate 42.4%, एकूण खर्च $0.068, आणि सरासरी response time 47.93s आहे.

Laguna XS 2.1 खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 33B एकूण (3B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: वेट्स उपलब्ध
परवाना: OpenMDW

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.5

सुसंगतता

9.6

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.068

एकूण आउटपुट टोकन्स

522,583

एकूण इनपुट टोकन्स

118,989

इनपुट किंमत

$0.060 / 1M

आउटपुट किंमत

$0.120 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 13

प्रति प्रयत्न पास दर: 42.4%

अस्थिर चाचण्या

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

47.93s

प्रतिसाद वेळ (कमाल): 422.72s

प्रतिसाद वेळ (एकूण): 1054.49s

चुकीचे उत्तर: 11 अवैध टूल कॉल: 1 उत्तर नाही: 1

Hamster playing table tennis

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

#96 Laguna XS 2.1

medium

खर्च: $0.001
वेळ: 30.6s
टोकन्स: 4,678 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-08-14 03:14 पुन्हा चाचणी	6.5	10.0	$0.068	तुलना करा
2026-07-16 23:39 नवीन चाचणी जोडली	6.5	10.0	$0.068	सध्याची रन
2026-07-02 16:38 पहिला रन	7.0	10.0	$0.036	तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रन	बेंचमार्क कव्हरेज	स्कोअर	सुसंगतता	विश्वसनीयता	बरोबर चाचण्या	अस्थिर चाचण्या	एकूण आउटपुट टोकन्स	एकूण इनपुट टोकन्स	एकूण खर्च	प्रतिसाद वेळ (सरासरी)
2026-07-16 23:39 · नवीन चाचणी जोडली	66/66 प्रयत्न	6.5	9.6	10.0	9/22	1	522,583	118,989	$0.068	47.93s
2026-07-02 16:38 · पहिला रन	63/63 प्रयत्न	7.0	9.6	10.0	9/21	1	294,438	45,324	$0.036	30.08s
फरक	—	-0.6	0.0	0.0	0	0	+228145	+73665	+$0.032	+17847ms

बेंचमार्क कव्हरेज वेगळे आहे: 66/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख	इनपुट किंमत	आउटपुट किंमत
2026-07-02 17:22	$0.060 / 1M	$0.120 / 1M

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	4.8	10.0
कोडिंग	5.5	10.0
संयुक्त	6.3	10.0
डेटा पार्सिंग आणि निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	2.9	7.2
Samanya Buddhimatta	5.0	10.0
सूचनांचे पालन	9.8	10.0
कोडी सोडवणे	5.3	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Laguna XS 2.1

मॉडेलची माहिती

Hamster playing table tennis

#96 Laguna XS 2.1

चार्ट्स

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर vs एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स