Google: Gemma 4 31B vs Poolside: Laguna XS 2.1

Laguna XS 2.1 (medium) 平均分领先，为 6.5 vs 6.3。 Laguna XS 2.1 (medium) benchmark 成本更低，为 $0.068 vs $0.116。 Laguna XS 2.1 (medium) 更快，为 47.93s vs 75.38s，通过率为 68.2% vs 42.4%。

推荐模型Laguna XS 2.1 (medium)它在这里得分最高（6.5），同时成本比Gemma 4 31B (medium)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Laguna XS 2.1 Laguna XS 2.1 medium 发布日期: 2026-07-02 免费可用

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Laguna XS 2.1 Laguna XS 2.1 medium 发布日期: 2026-07-02 免费可用
分数	6.3	6.5
排名	#121	#112
可靠性	10.0	10.0
一致性	9.0	9.6
测试正确
尝试通过率	68.2%	42.4%
不稳定测试	2	1
总运行次数	66	66
每个结果成本	1.044	0.746
总成本	$0.116	$0.068
输入价格	$0.140 / 1M	$0.060 / 1M
输出价格	$0.400 / 1M	$0.120 / 1M
总输入令牌	94,992	118,989
输出令牌	34,468	30,750
推理令牌	223,278	491,833
响应时间（平均）	75.38s	47.93s
响应时间（最大）	437.40s	422.72s
响应时间（总计）	1507.52s	1054.49s

Hamster playing table tennis

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

#121 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 tok

#112 Laguna XS 2.1

medium

成本: $0.001
时间: 30.6s
令牌: 4,678 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

类别:

反AI技巧	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
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
Laguna XS 2.1	4.8	10.0	25.0%	0		41.96s	774	353	73,090

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
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
Laguna XS 2.1	5.5	10.0	33.3%	0		70.35s	7,995	23,767	83,258

综合	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
Gemma 4 31B	2.9	5.8	16.7%	1		433.11s	77,035	12,112	157,552
Laguna XS 2.1	6.3	10.0	50.0%	0		218.07s	91,698	5,496	229,064

数据解析与提取	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
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
Laguna XS 2.1	10.0	10.0	100.0%	0		4.50s	7,734	234	3,129

领域专项	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
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985
Laguna XS 2.1	2.9	7.2	11.1%	1		65.66s	834	17	91,533

通用智能	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
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888
Laguna XS 2.1	5.0	10.0	0.0%	0		4.15s	537	119	1,375

指令遵循	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
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035
Laguna XS 2.1	9.8	10.0	100.0%	0		2.57s	753	82	1,844

谜题求解	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
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
Laguna XS 2.1	5.3	10.0	33.3%	0		3.43s	771	357	3,355

工具调用	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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
Laguna XS 2.1	10.0	10.0	100.0%	0		3.01s	7,638	309	748

常识问答	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
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014
Laguna XS 2.1	3.0	10.0	0.0%	0		10.88s	255	16	4,437

快速对比

切换对比组合

Laguna XS 2.1medium免费可用vsQwen3.5-27Bnone Gemini 3.1 Flash Lite PreviewlowvsLaguna XS 2.1medium免费可用 Gemma 4 31Bmedium免费可用vsLongCat 2.0none Gemini 3.1 Flash LitelowvsLaguna XS 2.1medium免费可用 Claude Sonnet 5nonevsGemma 4 31Bmedium免费可用 Gemini 3.1 Flash Lite PreviewnonevsLaguna XS 2.1medium免费可用 Laguna XS 2.1medium免费可用vsQwen3.5 Plus 2026-02-15none Laguna XS 2.1medium免费可用vsQwen3.6 Max Previewnone Gemma 4 31Bmedium免费可用vsLing 3.0 Flashhigh免费可用 Seed-2.0-LitenonevsGemma 4 31Bmedium免费可用 Gemma 4 31Bmedium免费可用vsGPT-5.6 Lunalow LongCat 2.0highvsLaguna XS 2.1medium免费可用