导航
AI BENCHY
Advertise here

DeepSeek V4 Flash 0731 vs Laguna S 2.1 (high)

平均分几乎持平，为 5.4 vs 5.4。 DeepSeek V4 Flash 0731 benchmark 成本更低，为 $0.021 vs $0.114。 DeepSeek V4 Flash 0731 更快，为 20.70s vs 111.61s，通过率为 27.3% vs 27.3%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-01

排名
#182
总输出令牌
25,424
响应时间（平均）
20.70s
总成本
$0.021
排名
#183
总输出令牌
584,864
响应时间（平均）
111.61s
总成本
$0.114
推荐模型 DeepSeek V4 Flash 0731

它在这里得分最高（5.4），同时成本比Laguna S 2.1 (high)低约 5.6 倍。

详细对比

指标 DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 none 发布日期: 2026-08-01 Laguna S 2.1 Laguna S 2.1 high 发布日期: 2026-07-21 免费可用
分数 5.4 5.4
排名 #182 #183
可靠性 10.0 9.9
一致性 8.6 8.1
测试正确
尝试通过率 27.3% 27.3%
不稳定测试 4 5
总运行次数 66 66
每个结果成本 0.509 3.153
总成本 $0.021 $0.114
输入价格 $0.140 / 1M $0.090 / 1M
输出价格 $0.280 / 1M $0.180 / 1M
总输入令牌 94,557 208,931
输出令牌 25,424 175,588
推理令牌 0 409,276
响应时间（平均） 20.70s 111.61s
响应时间（最大） 387.15s 1190.11s
响应时间（总计） 455.38s 2455.39s

模型生成展示

Hamster playing table tennis

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

#182 DeepSeek V4 Flash 0731

none
成本
$0.004
时间
198.4s
令牌
14,316 tok

#183 Laguna S 2.1

high
成本
$0.001
时间
6.8s
令牌
1,389 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 V4 Flash 0731 4.3 10.0 0.0% 0 1.72s 7,275 505 0
Laguna S 2.1 5.3 7.2 44.4% 1 271.42s 6,496 59,355 151,009

快速对比

切换对比组合

GPT-5.6 LunanonevsLaguna S 2.1high免费可用DeepSeek V4 Flash 0731nonevsKAT-Coder-Air V2.5lowKAT-Coder-Air V2.5lowvsLaguna S 2.1high免费可用Laguna S 2.1high免费可用vsQwen3.6 35B A3BnoneDeepSeek V4 Flash 0731nonevsLaguna S 2.1medium免费可用Ling-2.6-1TnonevsLaguna S 2.1high免费可用Gemma 4 26B A4Bnone免费可用vsLaguna S 2.1high免费可用Laguna S 2.1high免费可用vsInklingnoneKimi K2.5nonevsLaguna S 2.1high免费可用Laguna S 2.1high免费可用vsMiMo-V2.5-PrononeLaguna S 2.1high免费可用vsQwen3.6 27BnoneLaguna S 2.1high免费可用vsGLM 5.1none