Navigare
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

Rezumat

Comparație benchmark Claude Opus 4.8 vs Laguna XS 2.1: Claude Opus 4.8 conduce la scorul mediu cu 7.2 vs 7.0. Laguna XS 2.1 are costul de benchmark mai mic, $0.036 vs $0.539. Claude Opus 4.8 este mai rapid cu 3.48s vs 30.08s, cu rate de reușită de 61.9% vs 44.4%.

Model recomandat: Laguna XS 2.1 - Scorul rămâne aproape de cel mai bun scor de aici (7.0 vs 7.2) și costă de aproximativ 15.3x mai puțin decât Claude Opus 4.8.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Laguna XS 2.1 Laguna XS 2.1 medium Lansare: 2026-07-02 Disponibil gratuit
Scor 7.2 7.0
Rang #59 #67
Fiabilitate 10.0 10.0
Consistență 9.2 9.6
Teste corecte
Rată de trecere pe încercare 61.9% 44.4%
Teste instabile 2 1
Rulări totale 63 63
Cost per rezultat 4.485 0.392
Cost total $0.539 $0.036
Preț de intrare $5.000 / 1M $0.060 / 1M
Preț de ieșire $25.000 / 1M $0.120 / 1M
Total tokenuri de intrare 67,104 45,324
Tokenuri de ieșire 8,107 25,761
Tokenuri de raționament 0 268,677
Timp de răspuns (mediu) 3.48s 30.08s
Timp de răspuns (maxim) 17.73s 155.23s
Timp de răspuns (total) 73.00s 631.77s

Prezentare generare

Hamster playing table tennis

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

#59 Claude Opus 4.8

none
Cost
$0.053
Timp
22.0s
Tokenuri
2,253 tok

#67 Laguna XS 2.1

medium
Cost
$0.001
Timp
30.6s
Tokenuri
4,678 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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

Comparație rapidă

Schimbă perechea de comparație

Laguna XS 2.1mediumDisponibil gratuitvsStep 3.7 FlashhighClaude Opus 4.8nonevsGemma 4 26B A4BmediumDisponibil gratuitGemini 3.5 FlashnonevsLaguna XS 2.1mediumDisponibil gratuitLaguna XS 2.1mediumDisponibil gratuitvsGLM 5.2noneLaguna XS 2.1mediumDisponibil gratuitvsQwen3.7 PlusnoneClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V4 PrononevsLaguna XS 2.1mediumDisponibil gratuitClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumGemini 3 Flash PreviewnonevsLaguna XS 2.1mediumDisponibil gratuitClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-Promedium