导航
AI BENCHY
Advertise here

DeepSeek V3.2 vs Laguna S 2.1 (low)

平均分几乎持平，为 5.0 vs 5.0。 DeepSeek V3.2 benchmark 成本更低，为 $0.054 vs $0.082。 DeepSeek V3.2 更快，为 17.89s vs 85.34s，通过率为 36.4% vs 22.7%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-09-04

排名
#267
总输出令牌
42,099
响应时间（平均）
17.89s
总成本
$0.054
排名
#266
总输出令牌
451,708
响应时间（平均）
85.34s
总成本
$0.082
推荐模型 DeepSeek V3.2

它在这里得分最高（5.0），同时成本比Laguna S 2.1 (low)低约 1.5 倍。

详细对比

指标 DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01 Laguna S 2.1 Laguna S 2.1 low 发布日期: 2026-07-21 免费可用
分数 5.0 5.0
排名 #267 #266
可靠性 10.0 10.0
一致性 8.1 8.0
尝试次数 66/66 66/66
测试正确
尝试通过率 36.4% 22.7%
不稳定测试 5 5
总运行次数 66 66
每个结果成本 0.870 3.022
总成本 $0.054 $0.082
输入价格 $0.269 / 1M $0.090 / 1M
输出价格 $0.400 / 1M $0.180 / 1M
总输入令牌 135,831 118,752
输出令牌 42,099 67,823
推理令牌 0 383,885
响应时间（平均） 17.89s 85.34s
响应时间（最大） 115.89s 814.73s
响应时间（总计） 393.53s 1877.49s
参数量 671B 总计 (37B 激活) 118B 总计 (8B 激活)
开放状态 开源 权重可用

模型生成展示

Hamster playing table tennis

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

#267 DeepSeek V3.2

none
成本
$0.002
时间
7.0s
令牌
1,046 tok

#266 Laguna S 2.1

low
成本
$0.001
时间
6.6s
令牌
1,314 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V3.2 3.1 6.9 11.1% 1 14.54s 7,279 4,528 0
Laguna S 2.1 3.8 7.1 22.2% 1 167.51s 7,917 58,111 119,138

快速对比

切换对比组合

DeepSeek V3.2nonevsMercury 2.5 PreviewlowMiniMax M2.7mediumvsLaguna S 2.1low免费可用DeepSeek V3.2nonevsMiniMax M2.7mediumGPT-4o-mininonevsLaguna S 2.1low免费可用North Mini Codenone免费可用vsLaguna S 2.1low免费可用Mercury 2.5 PreviewnonevsLaguna S 2.1low免费可用Laguna S 2.1low免费可用vsQwen3.5-9BnoneLaguna S 2.1low免费可用vsMiMo-V2.5noneLaguna S 2.1low免费可用vsQwen3 Coder NextnoneLing-2.6-flashnonevsLaguna S 2.1low免费可用Mistral Small 4mediumvsLaguna S 2.1low免费可用Mistral Small 4nonevsLaguna S 2.1low免费可用