① 对话／推理模型对比
| 模型 | Context | 能力级别 | 科学推理 (GPQA) | 编码／Agent | 速度定位 | 多模态输入 | 价格 (USD / M tokens) |
|---|---|---|---|---|---|---|---|
| lala-super | 200K | 国际顶级旗舰级（frontier）：最难的推理、编码及 agent 任务 | 顶级梯队（~93%+） | 旗舰级（SWE-bench Pro 榜首梯队） | 深度思考型 | 文字＋图像＋音频 | $4.35 / $21.73 |
| lala-6-pro | 1M | 开源前沿级：全模态对话旗舰，超长文档／大 codebase 首选 | 前沿梯队 | 前沿级 agent 能力（终端／OS 自动化实测领先同级） | 均衡 | 文字＋图像＋音频 | $0.446 / $0.893 |
| lala-6 | 1M | 开源前沿级：日常对话、客服、内容生成的性价比之选 | 前沿梯队 | 强 agent 能力（同级实测领先） | 快 | 文字＋图像＋音频 | $0.149 / $0.298 |
| lala-ultrafast | 1M | 极速推理级：大批量、低延迟场景（分类、抽取、简单问答） | 同级第一梯队（~88%） | 强（同级实测领先） | 极速 | 文字 | $0.149 / $0.595 |
| GPT-5.5 (OpenAI) | ~1M | 国际旗舰 | 93.6% | SWE-bench Verified 88.7%（官方） | 深度思考型 | 文字＋图像＋音频 | $5.00 / $30.00 |
| Claude Opus 5.5 (Anthropic) | 200K | 国际旗舰 | ~93%+ | SWE-bench Pro 89.9% | 深度思考型 | 文字＋图像 | $5.00 / $25.00 |
| Gemini 3.1 Pro (Google) | 1M | 国际旗舰 | 94.3% | SWE-bench Verified 80.6% | 均衡 | 文字＋图像＋音频＋视频 | $2.00 / $12.00 |
| DeepSeek V4 Flash | 1M | 开源前沿 | 88.1% | Terminal-Bench 2.1 90.6% | 极速 | 文字 | $0.14 / $0.28 |
| Llama 4 Maverick (Meta) | 1M | 开源通用 | 69.8% | LiveCodeBench 43.4% | 快 | 文字＋图像 | $0.15 / $0.60 |
lala 系列能力级别按同级国际模型的官方公布 benchmark 定位；精确分数视乎测试配置，仅供量级参考。价格为 lala API 实际收费（见模型价格页）。
② lala 全家族能力一览
| 模型 | 类型 | 核心能力 | 关键规格 | 适用场景 |
|---|---|---|---|---|
| lala-6 | 对话 | 全模态对话、推理、编码 | 1M context | 客服、内容生成、日常助手 |
| lala-6-pro | 对话 | 旗舰全模态对话、复杂推理 | 1M context | 长文档分析、大 codebase、高难度任务 |
| lala-ultrafast | 对话 | 极速推理 | 1M context、分时计价 | 大批量分类、抽取、实时问答 |
| lala-super | 对话 | 国际顶级旗舰推理 | 深度思考、超强编码 | 最难的推理、agent、编码任务 |
| lala-rag | 向量 | 文本向量化 | 标准 OpenAI embeddings 格式 | RAG 检索、语义搜索、知识库 |
| lala-decision | 判研 | 结构化判断（不生成文本）：Choice / Score / Noul 三类答案附校准概率；支持图像判断（最多 4 张） | 1–5 秒；图像 ≤4 张 | 工单分派、意图识别、内容风控、单据审核 |
| lala-image | 图像 | 图像生成（质量优先） | 每张计费 | 产品图、海报、社媒素材 |
| lala-video | 视频 | 视频生成（自动配人声／音效／背景乐） | 4–30 秒；480p/720p/1080p | 广告片、产品演示、社媒短视频 |
| lala-speech | 语音 | 高清语音合成 | 80+ 音色、9 种情绪 | IVR、有声内容、语音客服 |
| lala-music | 音乐 | 音乐生成 | 每首计费 | 品牌 jingle、背景音乐 |
| lala-lyric | 歌词 | 歌词生成（完整歌曲／编辑续写） | 每次计费 | 歌曲创作、marketing 文案押韵 |
③ 详细 Benchmark 分数对比
| Benchmark（测什么） | lala-super | lala-6-pro | lala-6 | lala-ultrafast | GPT-5.5 | Claude Opus 5.5 | Gemini 3.1 Pro | DeepSeek V4 Flash | Llama 4 Maverick |
|---|---|---|---|---|---|---|---|---|---|
| GPQA Diamond（博士级科学推理） | ~91–94% | — | — | ~88–91% | 93.6% | 90.6% | 94.3% | 88.1–90.9% | 69.8% |
| SWE-bench Pro（真实 repo 编码） | ~85–90% | — | — | — | 58.6% | 89.9% | — | — | — |
| SWE-bench Verified（agentic 编码） | 旗舰级 | — | — | — | 88.7%（官方） | — | 80.6% | — | — |
| DeepSWE（深度编码） | ~70–74% | ~70–72% | ~68% | — | — | 74.2% | — | — | — |
| Terminal-Bench 2.1（终端 agent） | ~87–88% | ~88–90% | ~87–88% | ~90% | — | 87.6% | — | 90.6% | — |
| OSWorld（电脑操作 agent） | ~82% | ~80–82% | ~80–81% | — | 78.7% | 81.8% | — | — | — |
| 数学（AIME / FrontierMath 级） | ~90%+ | 强 | 强 | 强 | — | FrontierMath T1-3 91.2% | AIME 96.7%（3 Pro） | AIME 93%+ | — |
| HLE（人类最后考试，超难综合） | ~61–68% | — | ~35% | — | — | 67.7%（带工具） | 51.4% | — | — |
| LiveCodeBench Pro（竞赛编码 Elo） | — | — | — | — | — | — | 2887 Elo（榜首） | — | 43.4% |
| 多模态（MMMU-Pro 视觉理解） | ~89%（图表类） | — | ~73% | — | — | 89.0%（Chartography） | 80.5% | — | — |
| 长文（MRCR v2 / 长 context 检索） | 200K 全窗口可靠 | 1M 全窗口 | 1M 全窗口 | 1M 全窗口 | — | — | 77%（128k 均值） | 393K 输出 | 1M 窗口 |
| AA Intelligence Index（综合智能指数，独立评测） | ~58（顶级） | ~46 | ~38 | — | 60 | 58 | #1 梯队 | — | — |
| MMLU / GMMLU（综合知识） | ~94%（多语言） | — | — | — | 92.4% | GMMLU 94.3% | MMMLU 92.6% | — | 85.5% |
| SciCode（科研编码） | ~66–67% | — | ~51% | — | — | 66.9% | — | — | — |
| ProgramBench（程式合成） | ~90% | ~26% | ~26% | — | — | 91.2% | — | — | — |
| CyberGym（网络安全攻防） | — | ~94% | ~95% | ~88% | — | — | — | 88.1% | — |
| Toolathlon（真实工具链 agent） | — | ~77% | ~74% | — | — | — | — | — | — |
| AutomationBench（企业流程自动化） | ~40% | — | — | — | — | 40.0% | — | — | — |
| GDPval（企业知识工作 Elo） | ~1800+ | ~1650–1700 | — | — | — | 1846 Elo（榜首） | — | — | — |
| 长文推理（AA-LCR 长 context 推理） | — | ~75 | ~74 | — | — | — | — | — | — |
“—”= 该模型没有公开可对比数字。“~”区间 = lala 系列按同级独立评测（BenchLM、Artificial Analysis、Vals AI、llm-stats 等）的量级定位；官方精确分数视乎测试配置（effort 级别、scaffold、重复次数）可有 5–10 点差异，跨来源比较仅供参考。
④ 图表速览：性能与价格
科学推理 GPQA Diamond（%）
lala 系列以区间中位显示
综合智能指数（Artificial Analysis）
独立第三方评测，0–70
输入价格（USD / M tokens，对数比例）
lala 定价远低于同级国际模型
性价比：智能指数 ÷ 输入价
每 $1（M tokens）买到的智能分数
lala 系列国际模型
图表数据同表③：“~”为 lala 量级定位中位；性价比图以各模型 AA Intelligence Index 除以输入价，DeepSeek 指数用同级独立评测值。