导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.3 Chat vs Poolside: Laguna XS 2.1

摘要

GPT-5.3 Chat vs Laguna XS 2.1 benchmark 对比：GPT-5.3 Chat 平均分领先，为 7.5 vs 7.0。 Laguna XS 2.1 benchmark 成本更低，为 $0.036 vs $0.433。 GPT-5.3 Chat 更快，为 6.34s vs 30.08s，通过率为 66.7% vs 44.4%。

推荐模型: Laguna XS 2.1 - 它的得分接近这里的最高分（7.0 vs 7.5），同时成本比GPT-5.3 Chat低约 12.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03 Laguna XS 2.1 Laguna XS 2.1 medium 发布日期: 2026-07-02 免费可用
分数 7.5 7.0
排名 #47 #67
可靠性 10.0 10.0
一致性 8.1 9.6
测试正确
尝试通过率 66.7% 44.4%
不稳定测试 5 1
总运行次数 63 63
每个结果成本 3.605 0.392
总成本 $0.433 $0.036
输入价格 $1.750 / 1M $0.060 / 1M
输出价格 $14.000 / 1M $0.120 / 1M
总输入令牌 34,209 45,324
输出令牌 26,617 25,761
推理令牌 0 268,677
响应时间（平均） 6.34s 30.08s
响应时间（最大） 18.33s 155.23s
响应时间（总计） 133.13s 631.77s

生成展示

Hamster playing table tennis

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

#47 GPT-5.3 Chat

none
成本
$0.008
时间
8.1s
令牌
634 tok

#67 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

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
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
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
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
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
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
Laguna XS 2.1 9.6 10.0 100.0% 0 13.43s 18,033 507 5,908
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
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
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
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
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
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
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
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
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
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
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
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 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
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
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

Mercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneLaguna XS 2.1medium免费可用vsStep 3.7 FlashhighGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.5 FlashnonevsLaguna XS 2.1medium免费可用GPT-5.3 ChatnonevsGrok Build 0.1mediumLaguna XS 2.1medium免费可用vsGLM 5.2noneDeepSeek V4 ProhighvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 Chatnone