Laguna XS 2.1

白菜价、记性很好、会深思的开源模型

聪明暂无

编程偏弱自报

记性262K

便宜$0.12

记性换算成体感：一次能读完一本《三体》

他的房间

电脑

70.9% · SWE-bench Verified · 厂商自报，未经第三方复核

书架

4 层 · 记忆 262K tokens

黑板

一块空黑板

日历

知识截止日期未公开

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

SWE-bench Verified（转载）70.9%
同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报
https://poolside.ai/blog/introducing-laguna-xs-2-1
SWE-bench 多语言版63.1%
把 SWE-bench 的题目扩展到 Python 以外的语言，考的是跨语言的工程能力。厂商自报
https://poolside.ai/blog/introducing-laguna-xs-2-1
SWE-Bench Pro47.6%
同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
https://poolside.ai/blog/introducing-laguna-xs-2-1
Terminal-Bench37.5%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://poolside.ai/blog/introducing-laguna-xs-2-1

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。