簡短的答案
Laguna XS 2.1 是Poolside推出的模型,定價為每百萬輸入token $0.06,每百萬輸出token $0.12,上下文視窗為262K token。一次標準回答(1,000個輸入token、500個輸出token)成本為$0.0001。在Whizi內每則訊息收費1點數,需要Powerhouse方案或以上。
這使它成為型錄中較便宜的模型之一:89個有定價的模型中,有83個每則回答的成本比它高,只有5個比它便宜。
Laguna XS 2.1 的費用
牌價是供應商依token收取的費用。一次標準回答的成本是更有用的數字,因為無論每個模型的計費方式為何,它都能以相同的工作量來比較所有模型。
| 每百萬輸入token | $0.06 |
| 每百萬輸出token | $0.12 |
| 一次標準回答 | $0.0001 |
| 一千次回答 | $0.1200 |
| 上下文視窗 | 262K token |
| Whizi每則訊息點數 | 1 |
| 最低Whizi方案 | Powerhouse |
| 89個有定價模型中的成本排名 | 6 |
價格為OpenRouter所收錄的Poolside公開牌價,最後更新於2026-08-20。涵蓋29家供應商共100個模型的完整資料集是AI模型成本指數,可免費引用並註明出處。
在Whizi內的費用
Whizi以點數而非token計費,Laguna XS 2.1每則訊息收費1點數。費用不會因訊息長度或回答長度而改變,因此一句簡短提問與一份長文件分析的花費相同。
| 方案 | 月費 | 每月點數 | 此模型可用訊息數 |
|---|---|---|---|
| Powerhouse | $49.99,或年繳$34.99 | 8,000 | 8,000 |
Laguna XS 2.1 屬於Powerhouse型錄。凡未明確列在Starter或Pro方案中的模型,一律歸入Powerhouse,這是針對前沿與專業模型的預設安排。詳見方案與限制。
價格比較
與指數中最便宜的模型Ling-3.0-flash(每次回答$0.000053)相比,Laguna XS 2.1的費用高出2.3倍。與中位數模型Kimi K2 0711($0.0017)相比,則便宜14.3倍。
它在Poolside中最相近的其他模型:
| 模型 | 一次回答 | 上下文 | 點數 |
|---|---|---|---|
| Laguna XS 2.1(本頁) | $0.0001 | 262K | 1 |
| Laguna S 2.1 | $0.0002 | 1M | 1 |
它是有定價指數中最便宜的Poolside模型,因此在這家供應商內沒有更便宜的選項可以轉換。
上下文視窗的實際運用
Laguna XS 2.1 可接受262K token的上下文,大約相當於390頁文字。這低於有定價型錄的中位數。
標榜的上下文與實際可用的上下文並不相同。回想能力往往在達到標示上限之前就開始下降,尤其是長輸入內容中段的部分,因此實際的測試方法是上傳一份長文件,詢問埋藏在文件中段的內容,而不是單純相信數字。
當你使用自己的檔案工作時,這個數字最為重要。如果文件對你選用的模型來說太長,在同一段對話中切換到上下文更大的模型可以延續對話串,不必重新開始。詳見在對話中途切換模型。
- 輸入每百萬token $0.06,輸出$0.12
- 單次標準回答$0.0001,一千次為$0.1200
- 262K token上下文視窗
- 在Whizi內每則訊息1點數
- 需要Powerhouse方案或以上
- 在89個有定價模型中按每次回答成本排名第6
常見問題
Laguna XS 2.1 要多少錢?
牌價為每百萬輸入token $0.06、每百萬輸出token $0.12,換算成一次標準回答(1,000個輸入token、500個輸出token)為$0.0001,一千次則為$0.1200。在Whizi內則是每則訊息1點數,按月配額計算,而非依token計費。
哪個Whizi方案包含 Laguna XS 2.1?
Powerhouse及以上方案,月費$49.99,或年繳$34.99。以每則訊息1點數計算,Powerhouse方案每月8,000點數的配額,若全部用在這個模型上可支援8,000則訊息,大多數人會搭配1點數的模型處理日常工作,讓配額用得更久。
Laguna XS 2.1 的上下文視窗是多少?
262K token,大約相當於390頁文字,低於有定價型錄的中位數。請把它視為上限而非實際可用值:回想能力通常在達到標示上限之前就會下降,尤其是長輸入內容中段的部分。
Laguna XS 2.1 和其他模型相比貴嗎?
它在89個有定價模型中按每次回答成本排名第6,代表有83個模型比它貴,5個比它便宜。整個型錄從最便宜到最貴的價差約達2000倍,遠比大多數人以為的還要大,因此「貴」與否,只有相對於你原本會選用的替代模型才有意義。