AI BENCHY 对比

OpenAI: GPT-5.5 vs Poolside: Laguna XS 2.1

摘要

GPT-5.5 vs Laguna XS 2.1 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 7.0。 Laguna XS 2.1 benchmark 成本更低，为 $0.036 vs $0.907。 GPT-5.5 更快，为 9.76s vs 30.08s，通过率为 85.7% vs 44.4%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比Laguna XS 2.1快约 3.1 倍。

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

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Laguna XS 2.1 Laguna XS 2.1 medium 发布日期: 2026-07-02 免费可用

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Laguna XS 2.1 Laguna XS 2.1 medium 发布日期: 2026-07-02 免费可用
分数	9.3	7.0
排名	#4	#67
可靠性	10.0	10.0
一致性	10.0	9.6
测试正确
尝试通过率	85.7%	44.4%
不稳定测试	0	1
总运行次数	63	63
每个结果成本	5.035	0.392
总成本	$0.907	$0.036
输入价格	$5.000 / 1M	$0.060 / 1M
输出价格	$30.000 / 1M	$0.120 / 1M
总输入令牌	34,209	45,324
输出令牌	2,046	25,761
推理令牌	22,460	268,677
响应时间（平均）	9.76s	30.08s
响应时间（最大）	56.19s	155.23s
响应时间（总计）	204.92s	631.77s

生成展示

Hamster playing table tennis

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

#4 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
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-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717
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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
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