Нецензуриран Laguna API

Повечето страници за „евтин модел“ ви молят да приемете малка, изморена основа в замяна на ниско число. Тази не. Laguna S 2.1 е разредено издание Mixture-of-Experts от текущото поколение, обучено върху 4096 H200 и пуснато за под девет седмици, и стои на същия минимум от $0.50 / $2.00 като всеки друг модел от началното ниво, който обслужваме. Компромисът е тесен и лесен за преценяване: отказвате се от структуриран изход, налаган от сървъра, и запазвате всичко останало.

01Какво е Laguna S 2.1?

Laguna S 2.1 е модел с отворени тегла, пуснат от Poolside на 21 юли 2026 г. под разрешителния лиценз OpenMDW-1.1 — средният по размер член на семейството Laguna, между Laguna XS 2.1 (33B/3B активни) и Laguna M.1 (225B/23B активни).

Публикуваната архитектура е рутер с избор по токен и softplus гейтинг върху 256 маршрутизирани експерта плюс един споделен, по десет избрани на токен, в 48 слоя — дванадесет с глобално внимание и тридесет и шест с плъзгащ прозорец от 512 токена; това преплитане държи цената на вниманието при много дълги входове близо до линейна вместо квадратична. Вниманието е grouped-query с 8 глави за ключ-стойност при размерност на главата 128.

Две последици имат значение за потребителя на API. Разредената активация е причината модел със 118B да стои на минималната цена — за всеки токен работят само ~8B параметъра, така че изчислението на токен е по-близо до малък плътен модел, отколкото подсказва броят параметри. А преплитането с плъзгащ прозорец е причината дългият прозорец да е наистина използваем, а не само номинален. Изданието на Poolside поддържа 1 048 576 токена; ние обслужваме 262 144, което съвпада с всеки друг модел в шлюза.

02Единствената уговорка: без структуриран изход

Какво продължава да работи. Извикването на инструменти се поддържа напълно и аргументите на извикванията пак пристигат като JSON обект, точно както при всеки друг модел тук. Ако „структурираният изход“ на вашето приложение всъщност е аргументи на инструменти — вярно за повечето агентни рамки, MCP сървъри и фронтенди към бази данни — Laguna S 2.1 ви върши работа. Поточното предаване работи и в трите диалекта; reasoning_effort работи.

Какво не работи. Не можете да подадете на крайната точка JSON схема и да сте сигурни, че текстовият отговор на асистента ще ѝ съответства, а response_format: {"type": "json_object"} не ви носи нищо. Промптването за JSON обикновено произвежда JSON — това е компетентен модел — но „обикновено“ не е договор. Самият Poolside документира неправилно екраниране на JSON при дълбоко вложени извиквания на инструменти като известно ограничение — напомняне, че гаранцията, там където я има другаде в нашата гама, идва от слоя за обслужване, а не от добрите намерения на модела.

Кой събрат да използвате вместо това

Ако натоварването ви изисква гарантиран JSON, не се борете с този модел — сменете идентификатора на модела. Четирима събратя стоят на същата цена $0.50 / $2.00 с пълна поддръжка на json_schema и response_format:

Идентификатор на модела	json_schema	Зрение	Защо бихте го избрали
MiMo-V2.5-Pro-W8A16	Да	Не	Пряката замяна — 8-битови тегла, нивото с най-висока точност, същата цена
MiMo-V2.5-W8A16	Да	Да	Същото, плюс вход с изображения
Hy3-W8A16	Да	Не	Още един 8-битов текстов модел на минималната цена
DeepSeek-V4-Flash-0731	Да	Не	W4A16-AutoRound-REAP като Laguna, но с налична поддръжка на схема

Естественият избор по подразбиране е MiMo-V2.5-Pro (W8A16): само текст, на минималната цена, квантизиран при най-щадящото ниво, което ползваме — подробности в картата на модела MiMo-V2.5. Тъй като и дванадесетте модела споделят крайни точки, контекстен прозорец и таван на изхода, превключването е промяна на един ред в полето model.

03Какво означава W4A16-AUTOROUND-REAP?

Наставката в идентификатора на модела не е украса — тя казва точно как са били компресирани теглата, преди да бъдат заредени върху нашия GPU клъстер. Три части.

W4A16 — 4-битови тегла, 16-битови активации

Теглата се съхраняват при 4 бита; активациите — стойностите, които текат между слоевете по време на извод — остават при 16. Свиването на теглата до четвърт от отпечатъка им при BF16 е това, което позволява на модел със 118B да се побере и да остане бърз, а запазването на широките активации пази числено чувствителната част от преминаването напред. Компресирайте това, което е голямо и статично, и оставете на мира това, което е малко и динамично.

AutoRound — научено закръгляне, а не закръгляне до най-близкото

Наивният начин за квантизация е закръгляне до най-близкото: снапвате всяко тегло към най-близката 4-битова стойност и приемате грешката. AutoRound, отвореният инструментариум на Intel за квантизация след обучение, се справя по-добре — неговият метод SignRound използва знаково градиентно спускане, за да оптимизира съвместно решенията за закръгляне и диапазоните на отрязване за около двеста стъпки, като решава за всяко тегло дали закръглянето нагоре или надолу нанася по-малко щета на реалния изход на слоя. Той заема идеята от обучението с отчитане на квантизацията, без цената на преобучение, и затова един W4A16 билд може да бъде сериозен модел, а не любопитна загубена версия.

REAP — отрязване на експерти вместо сливане

REAP е Router-weighted Expert Activation Pruning, публикуван от Cerebras Research. В един MoE модел не всички експерти си вадят хляба: рутерът изпраща малко токени към някои, а някои допринасят с малка големина, когато все пак се задействат. REAP оценява всеки експерт по двата сигнала — стойностите на портата на рутера и нормите на активациите на експерта — и премахва наведнъж тези с ниска значимост, преди квантизацията. Ключово е, че той отрязва, вместо да слива: сливането сгъва няколко експерта в един, разрушавайки финия, зависещ от входа контрол на рутера и въвеждайки под на грешката, който никакво донастройване не премахва (авторите го наричат срив на функционалното подпространство), докато отрязването оставя оцелелите и контрола на рутера върху тях непокътнати. Cerebras отчита премахване на до 50% от експертите в модели с трилион параметъра при до голяма степен запазено базово качество — при модел за код със 480B при 50% отрязване се запазват 97.6% от базовата неагентна способност за писане на код и 96.7% при агентния SWE-Bench. Това са числа на Cerebras за техните собствени модели, а не измервания на нашия билд, но те са причината да пуснем този стек върху основа, чиято главна сила е кодът.

Заедно наставката се чете като изречение: отрежи експертите, които почти не са се използвали, научи 4-битовото закръгляне вместо да го отгатваш, запази активациите с пълна ширина.

04В какво всъщност е добър този модел?

Първо честността: Laguna S 2.1 е само текстов разговорен модел — без вход с изображения при този идентификатор на модел — и Poolside го е създала за агентно програмиране и работа с дълъг хоризонт, а не за проза. Обучението след предварителното мина през над 409 000 среди, включително 83 000 терминални и 168 000 софтуерноинженерни задачи, с обучение с подкрепление във FP8. Отчетените от Poolside резултати за неквантизираното издание:

Бенчмарк	С мислене	Без мислене	Какво измерва
SWE-Bench Multilingual	78.5%	—	Реални поправки на бъгове на много езици
Terminal-Bench 2.1	70.2%	60.4%	Многостъпкова работа с обвивка и инструменти
SWE-Bench Pro	59.4%	—	По-трудни задачи в хранилища, устойчиви на замърсяване
Toolathlon Verified	49.7%	—	Широта при използване на инструменти през много API
SWE Atlas	46.2%	—	Навигация в хранилище с дълъг хоризонт
DeepSWE v1.1	40.4%	16.5%	Агентно софтуерно инженерство

Разликата между двете колони е най-приложимото число тук: при DeepSWE резултатът повече от се удвоява, когато разсъждението е включено, а при Terminal-Bench печели близо десет точки.

Числа, отчетени от Poolside за неквантизираното издание на Laguna S 2.1, юли 2026 г. Те не са измервания на нашия билд W4A16-AutoRound-REAP и ние не публикуваме собствени бенчмарк числа за него. Използвайте reasoning_effort, за да управлявате бюджета за мислене в нашия API.

За разговорна и творческа работа честната позиция е следната: качествата зад дългите агентни изпълнения — свързано задържане на много състояние, оставане по задачата, без отклоняване — са същите, които стоят зад дългата работа с герои, и на практика той държи гласа добре през много дълъг прозорец. Никой публикуван бенчмарк не го твърди и ние няма да си измислим такъв. Тествайте го върху собствените си промптове; при $0.50 на милион входни токена това е почти безплатно.

05Какво всъщност купува минималната цена?

$0.50 вход / $2.00 изход на милион токена е началното ниво в Shannon AI Gateway, споделено с MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro и Hy3. Конкретно:

Натоварване	Вход	Изход	Цена
Един ход от чат със 100K история	100,000	2,000	$0.054
Глава от 5000 думи по дълго задание	30,000	7,000	$0.029
1000 кратки разговорни хода	4,000,000	500,000	$3.00
Прочит на пълен контекст от 262K токена	262,144	16,384	$0.164

Последният ред е този, който си струва да усвоите: запълването на целия контекстен прозорец и генерирането на максималния отговор от 16 384 токена струва около шестнадесет цента. Подаването на цял ръкопис, стенограма от сесия или набор документи в едно извикване престава да е бюджетно решение и става решение за латентност. Същата аритметика движи и другия случай на употреба при минимална цена — обемът: пакетна класификация, масово пренаписване, синтетичен диалог, чернова на първо преминаване, която по-силен модел после дошлифова. Вижте страницата с цените и индекса на изследванията.

06Какво означава „нецензуриран“ тук

Означава точно каквото казва: няма слой за откази и няма филтриране на съдържанието на изхода. Между модела и вашия отговор не стои класификатор, който решава дали ви е било позволено да питате; моделът отговаря в регистъра, който сте поискали, и не ви чете лекция за предпоставката първо.

За творческа работа това е разликата между използваем и неизползваем инструмент. Художествената литература съдържа заплашителни антагонисти, герои, които лъжат убедително, насилие с последствия, морално компрометирани разказвачи — модел, който излиза от характера, за да добави уговорка, се е провалил в задачата, а не е успял в безопасността. Същото важи за изследвания по сигурността, документация от red team, медицинско и правно съставяне на текстове и превод, при който източникът е груб: категории, в които отказът просто е грешен отговор. Това, което не означава, е че преценката престава да е ваша — вие оставате отговорни за това, което генерирате, съгласно нашата Политика за отговорно ползване и приложимото право.

07Как да извикате нецензурирания Laguna API

Три диалекта, един модел: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Поточното предаване работи и в трите, така че съществуваща интеграция се премества чрез смяна на базов URL и идентификатор на модел — без смяна на SDK и без пренаписване на обработката на съобщенията.

POST https://api.shannon-ai.com/v1/chat/completions

{
  "model": "Laguna-S-2.1-W4A16-AUTOROUND-REAP",
  "messages": [
    { "role": "system", "content": "You are a hardboiled narrator. Stay in voice." },
    { "role": "user",   "content": "Open chapter nine." }
  ],
  "stream": true,
  "max_tokens": 4096,
  "reasoning_effort": "low"
}

Няколко практични бележки:

• Не изпращайте response_format или json_schema към този идентификатор на модел — ако клиентската ви библиотека задава някой от тях по подразбиране, премахнете го или минете на събрат, който го поддържа.
• Инструментите вървят в обичайния масив tools — извикването на инструменти се поддържа напълно; липсва само налагането на схема върху свободния текст.
• Планирайте бюджета си за разсъждение. reasoning_effort се зачита — ниско или изключено държи разговорната латентност ниска и изходните токени евтини; вдигнете го за многостъпкова работа с инструменти, където разликата в бенчмарковете по-горе показва какво купува.
• Таванът на изхода е 16 384 токена на заявка. За генериране с дължина на книга разделяйте по глави и ползвайте поточно предаване.
• Само текст. Няма вход с изображения при този идентификатор на модел — за зрение използвайте MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 или inkling.

Пълна справка за параметрите, удостоверяване, семантика на грешките и жива площадка за тестове: документация на API.

08Кога да го изберете и кога не

Изберете го, когато изходът ви е проза, диалог или код, четен от човек; когато ви трябва извикване на инструменти, но не и текст, ограничен от схема; когато цената на токен доминира при дълъг контекст; или когато искате второ мнение от родословие, различно от семействата DeepSeek, Kimi и MiMo, които запълват останалата част от гамата.

Изберете нещо друго, когато ви трябва гарантиран JSON (MiMo-V2.5-Pro), разбиране на изображения (Kimi-K2.6 или MiMo-V2.5) или най-предният край на трудността, където разликата в цената е без значение спрямо това да получите верния отговор (DeepSeek-V4-Pro, Kimi-K3).

09Често задавани въпроси

---

Източници: Poolside — карта на модела Laguna S 2.1 · Представяне на Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Числата за архитектурата и бенчмарковете са отчетени от издателя за неквантизираното издание, а не са измервания на билда, който обслужваме. Shannon AI се управлява от Shannon Lab LLC, Ню Мексико, САЩ.