OpenAI: gpt-oss-120b vs Poolside: Laguna S 2.1

Laguna S 2.1 平均分领先，为 4.5 vs 3.7。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.025。 Laguna S 2.1 更快，为 11.67s vs 21.61s，通过率为 33.3% vs 15.2%。

推荐模型Laguna S 2.1它在这里得分最高（4.5），同时响应速度比gpt-oss-120b快约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22

指标	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用	Laguna S 2.1 Laguna S 2.1 none 发布日期: 2026-07-21 免费可用

指标	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用	Laguna S 2.1 Laguna S 2.1 none 发布日期: 2026-07-21 免费可用
分数	3.7	4.5
排名	#216	#200
可靠性	10.0	10.0
一致性	7.8	8.8
测试正确
尝试通过率	33.3%	15.2%
不稳定测试	2	3
总运行次数	57	66
每个结果成本	0.168	1.205
总成本	$0.010	$0.025
输入价格	$0.037 / 1M	$0.100 / 1M
输出价格	$0.170 / 1M	$0.200 / 1M
总输入令牌	9,081	125,598
输出令牌	51,664	57,634
推理令牌	0	0
响应时间（平均）	21.61s	11.67s
响应时间（最大）	113.71s	200.52s
响应时间（总计）	345.79s	256.80s

Hamster playing table tennis

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

#216 gpt-oss-120b

none

此模型尚未生成任何展示结果。

成本: $0.000
时间: -
令牌: 0 tok

#200 Laguna S 2.1

none

成本: $0.001
时间: 7.6s
令牌: 1,345 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
gpt-oss-120b	6.5	10.0	50.0%	0		32.84s	1,336	8,676	0
Laguna S 2.1	3.1	7.9	8.3%	1		835ms	672	877	0

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-oss-120b	1.5	4.0	22.2%	1		9.57s	901	3,232	0
Laguna S 2.1	3.4	9.7	0.0%	0		550ms	7,917	424	0

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-oss-120b	1.5	5.0	0.0%	0		0ms	0	0	0
Laguna S 2.1	2.9	5.8	16.7%	1		21.62s	99,668	10,893	0

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-oss-120b	6.5	10.0	50.0%	0		7.12s	2,421	598	0
Laguna S 2.1	10.0	10.0	100.0%	0		537ms	7,689	237	0

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-oss-120b	3.0	10.0	0.0%	0		34.98s	1,294	29,483	0
Laguna S 2.1	3.0	10.0	0.0%	0		366ms	765	18	0

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-oss-120b	4.8	10.0	0.0%	0		10.79s	584	615	0
Laguna S 2.1	5.0	10.0	0.0%	0		815ms	513	166	0

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-oss-120b	9.8	10.0	100.0%	0		5.06s	1,043	1,940	0
Laguna S 2.1	4.3	9.9	0.0%	0		566ms	702	54	0

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-oss-120b	6.0	7.2	55.6%	1		8.21s	1,188	3,982	0
Laguna S 2.1	3.1	10.0	0.0%	0		828ms	699	307	0

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-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	0
Laguna S 2.1	4.7	1.6	66.7%	1		1.45s	6,745	259	0

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-oss-120b	3.0	10.0	0.0%	0		47.29s	314	3,138	0
Laguna S 2.1	3.0	10.0	0.0%	0		200.52s	228	44,399	0

快速对比

切换对比组合