Necenzurirani Laguna API

Većina stranica o „jeftinom modelu” traži da prihvatite mali, umorni temelj u zamjenu za nizak broj. Ova ne. Laguna S 2.1 je izdanje rijetkog Mixture-of-Expertsa iz aktuelne generacije, trenirano na 4.096 H200 kartica i isporučeno za manje od devet sedmica, a stoji na istoj donjoj granici od $0.50 / $2.00 kao i svaki drugi model ulaznog nivoa koji poslužujemo. Razmjena je uska i o njoj je lako razmišljati: odričete se strukturiranog izlaza koji nameće server, a zadržavate sve ostalo.

01Šta je Laguna S 2.1?

Laguna S 2.1 je model otvorenih težina koji je Poolside objavio 21. jula 2026. pod permisivnom licencom OpenMDW-1.1 — član srednje veličine u porodici Laguna, između Lagune XS 2.1 (33B/3B aktivnih) i Lagune M.1 (225B/23B aktivnih).

Objavljena arhitektura je usmjerivač po izboru tokena sa softplus kapijom nad 256 usmjeravanih eksperata plus jednim zajedničkim, deset izabranih po tokenu, kroz 48 slojeva — dvanaest sa globalnom pažnjom, trideset šest sa kliznim prozorom od 512 tokena, ispreplitanje koje trošak pažnje kod vrlo dugih ulaza drži blizu linearnog umjesto kvadratnog. Pažnja je grupisana po upitima, sa 8 ključ-vrijednost glava pri dimenziji glave 128.

Dvije posljedice su bitne potrošaču API-ja. Rijetka aktivacija je razlog zašto model od 118 milijardi može stajati na najnižoj cijeni — po tokenu radi samo ~8 milijardi parametara, pa je račun po tokenu bliži malom gustom modelu nego što broj parametara sugeriše. A ispreplitanje sa kliznim prozorom razlog je zašto je dug prozor istinski upotrebljiv, a ne tek nominalan. Poolsideovo izdanje podržava 1.048.576 tokena; mi poslužujemo 262.144, u skladu sa svakim drugim modelom na gatewayu.

02Jedna ograda: nema strukturiranog izlaza

Šta i dalje radi. Pozivanje alata je potpuno podržano, a argumenti poziva alata i dalje stižu kao JSON objekt, tačno kao i na svakom drugom modelu ovdje. Ako je „strukturirani izlaz” vaše aplikacije zapravo argumenti alata — što važi za većinu agentskih okvira, MCP servera i sučelja nad bazama — Laguna S 2.1 vas uredno poslužuje. Striming radi na sva tri dijalekta; reasoning_effort radi.

Šta ne radi. Krajnjoj tački ne možete predati JSON shemu i dobiti garanciju da tekstualni odgovor asistenta prolazi validaciju po njoj, a response_format: {"type": "json_object"} vam ne donosi ništa. Traženje JSON-a u promptu obično proizvede JSON — ovo je kompetentan model — ali „obično” nije ugovor. I sam Poolside kao poznato ograničenje dokumentuje pogrešno izbjegavanje znakova u JSON-u kod duboko ugniježđenih poziva alata, što podsjeća da garancija, tamo gdje je drugdje u našoj postavi ima, dolazi iz sloja posluživanja, a ne iz dobrih namjera modela.

Kojeg brata koristiti umjesto njega

Ako vaše opterećenje traži zagarantovani JSON, nemojte se boriti sa ovim modelom — promijenite id modela. Četiri brata stoje po identičnoj cijeni od $0.50 / $2.00 uz punu podršku za json_schema i response_format:

Id modela	json_schema	Vid	Zašto biste ga izabrali
MiMo-V2.5-Pro-W8A16	Da	Ne	Izravna zamjena — 8-bitne težine, nivo najveće vjernosti, ista cijena
MiMo-V2.5-W8A16	Da	Da	Isto, plus slika na ulazu
Hy3-W8A16	Da	Ne	Još jedan 8-bitni tekstualni model po najnižoj cijeni
DeepSeek-V4-Flash-0731	Da	Ne	W4A16-AutoRound-REAP kao Laguna, uz očuvanu podršku za sheme

Prirodni podrazumijevani izbor je MiMo-V2.5-Pro (W8A16): samo tekst, po najnižoj cijeni, kvantizovan na najblažem nivou koji vrtimo — detalji na kartici modela MiMo-V2.5. Pošto svih dvanaest modela dijeli krajnje tačke, kontekstni prozor i plafon izlaza, prebacivanje je promjena jednog reda u polju model.

03Šta znači W4A16-AUTOROUND-REAP?

Sufiks na id-u modela nije ukras — govori tačno kako su težine komprimovane prije nego što su učitane na naš GPU klaster. Tri dijela.

W4A16 — 4-bitne težine, 16-bitne aktivacije

Težine se pohranjuju na 4 bita; aktivacije — vrijednosti koje pri zaključivanju teku između slojeva — ostaju na 16. Rezanje težina na četvrtinu njihovog BF16 otiska je ono što modelu od 118 milijardi omogućava da stane i ostane brz, dok zadržavanje širokih aktivacija štiti numerički osjetljiv dio prolaza unaprijed. Komprimujte ono što je veliko i statično, ostavite na miru ono što je malo i dinamično.

AutoRound — naučeno zaokruživanje, a ne zaokruživanje na najbliže

Naivni način kvantizacije je zaokruživanje na najbliže: svaku težinu prilijepite na najbližu 4-bitnu vrijednost i prihvatite grešku. AutoRound, Intelov otvoreni alat za kvantizaciju nakon treniranja, radi bolje — njegova metoda SignRound koristi predznačeni gradijentni spust da kroz par stotina koraka zajedno optimizuje odluke o zaokruživanju i raspone odsijecanja, odlučujući po težini nanosi li manju štetu stvarnom izlazu sloja zaokruživanje naviše ili naniže. Ideju posuđuje od treniranja svjesnog kvantizacije, bez troška ponovnog treniranja, i upravo zato W4A16 izdanje može biti ozbiljan model, a ne gubitna zanimljivost.

REAP — obrezivanje eksperata umjesto njihovog stapanja

REAP je Router-weighted Expert Activation Pruning, objavljen iz Cerebras Researcha. U MoE modelu ne vuku svi eksperti svoju težinu: usmjerivač nekima šalje malo tokena, a neki doprinose malom veličinom kada i opale. REAP svakog eksperta ocjenjuje po oba signala — vrijednostima kapije usmjerivača i normama aktivacije eksperta — i one male značajnosti uklanja u jednom potezu, prije kvantizacije. Ključno, on obrezuje, a ne stapa: stapanje sklapa nekoliko eksperata u jednog, uništavajući sitnozrnu kontrolu usmjerivača ovisnu o ulazu i uvodeći podnožje greške koje nikakvo štimovanje ne uklanja (autori to zovu kolapsom funkcionalnog podprostora), dok obrezivanje ostavlja preživjele i kontrolu usmjerivača nad njima netaknutima. Cerebras prijavljuje uklanjanje do 50% eksperata iz modela sa bilion parametara uz uglavnom očuvan osnovni kvalitet — na modelu za kod od 480B pri 50% obrezivanja, 97,6% osnovne neagentske sposobnosti kodiranja i 96,7% na agentskom SWE-Benchu. To su Cerebrasove brojke za njihove vlastite modele, a ne mjerenja našeg izdanja, ali su razlog zašto ovaj sklop vrtimo na temelju čija je primarna snaga kod.

Zajedno se sufiks čita kao rečenica: obrežite eksperte koji su se jedva koristili, naučite 4-bitno zaokruživanje umjesto da ga pogađate, zadržite aktivacije pune širine.

04U čemu je ovaj model zapravo dobar?

Prvo iskrenost: Laguna S 2.1 je razgovorni model samo za tekst — na ovom id-u modela nema slike na ulazu — a Poolside ga je gradio za agentsko kodiranje i rad na dugom horizontu, a ne za prozu. Post-trening je tekao kroz preko 409.000 okruženja, uključujući 83.000 terminalskih i 168.000 softverskoinženjerskih zadataka, uz učenje potkrepljivanjem u FP8. Poolsideovi prijavljeni rezultati za nekvantizovano izdanje:

Benchmark	Sa razmišljanjem	Bez razmišljanja	Šta mjeri
SWE-Bench Multilingual	78.5%	—	Stvarne ispravke grešaka u mnogo jezika
Terminal-Bench 2.1	70.2%	60.4%	Višekoračni rad u ljusci i sa alatima
SWE-Bench Pro	59.4%	—	Teži zadaci nad repozitorijima, otporni na kontaminaciju
Toolathlon Verified	49.7%	—	Širina korištenja alata kroz mnogo API-ja
SWE Atlas	46.2%	—	Kretanje kroz repozitorij na dugom horizontu
DeepSWE v1.1	40.4%	16.5%	Agentsko softversko inženjerstvo

Razlika između dvije kolone najupotrebljiviji je broj ovdje: na DeepSWE-u se rezultat više nego udvostruči kada je rezonovanje uključeno, a na Terminal-Benchu dobija skoro deset poena.

Brojke koje je Poolside prijavio za nekvantizovano izdanje Lagune S 2.1, jul 2026. Nisu mjerenja našeg W4A16-AutoRound-REAP izdanja i za njega ne objavljujemo nikakve vlastite brojke sa benchmarkova. Koristite reasoning_effort da na našem API-ju upravljate budžetom razmišljanja.

Za razgovorni i kreativni rad poštena pozicija glasi ovako: osobine iza dugih agentskih izvršavanja — koherentno držanje mnogo stanja, ostajanje na zadatku, neodlutavanje — iste su one iza dugog rada u liku, i u praksi glas drži dobro kroz vrlo dug prozor. Nijedan objavljeni benchmark to ne kaže i mi ga nećemo izmisliti. Testirajte ga na vlastitim promptovima; pri $0.50 po milionu ulaznih tokena to je gotovo besplatno.

05Šta najniža cijena zapravo kupuje?

$0.50 ulaz / $2.00 izlaz na milion tokena jeste ulazni nivo na Shannon AI Gatewayu, dijeljen sa MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro i Hy3. Konkretno:

Opterećenje	Ulaz	Izlaz	Trošak
Jedan potez razgovora sa 100K historije	100,000	2,000	$0.054
Poglavlje od 5.000 riječi iz dugog sažetka	30,000	7,000	$0.029
1.000 kratkih razgovornih poteza	4,000,000	500,000	$3.00
Čitanje punog konteksta od 262K tokena	262,144	16,384	$0.164

Posljednji red vrijedi usvojiti: popunjavanje cijelog kontekstnog prozora i generisanje maksimalnog odgovora od 16.384 tokena košta oko šesnaest centi. Ubacivanje cijelog rukopisa, transkripta sesije ili skupa dokumenata u jedan poziv prestaje biti budžetska odluka i postaje odluka o latenciji. Ista aritmetika pokreće i drugi slučaj upotrebe po najnižoj cijeni — obim: grupna klasifikacija, masovno prepisivanje, sintetički dijalog, prvi nacrt koji jači model kasnije dotjeruje. Pogledajte stranicu sa cijenama i indeks istraživanja.

06Šta „necenzurirano” ovdje znači

Znači tačno ono što kaže: nema sloja odbijanja niti filtriranja sadržaja na izlazu. Nijedan klasifikator ne stoji između modela i vašeg odgovora odlučujući je li vam bilo dopušteno pitati; model odgovara u registru koji ste tražili i ne drži vam prvo predavanje o pretpostavci.

Za kreativni rad to je razlika između upotrebljivog i neupotrebljivog alata. Fikcija sadrži prijeteće protivnike, likove koji uvjerljivo lažu, nasilje sa posljedicama, moralno kompromitovane pripovjedače — model koji izlazi iz lika da bi dodao ogradu nije uspio u sigurnosti nego je pao na zadatku. Isto važi za sigurnosno istraživanje, dokumentaciju red teama, medicinsko i pravno sastavljanje te prevođenje gdje je izvornik grub: kategorije u kojima je odbijanje jednostavno pogrešan odgovor. Ono što ne znači jeste da prosuđivanje prestaje biti vaše — vi ostajete odgovorni za ono što generišete, po našoj Politici odgovornog korištenja i mjerodavnom zakonu.

07Kako pozvati necenzurirani Laguna API

Tri dijalekta, jedan model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Striming radi na sva tri, pa se postojeća integracija preseli promjenom osnovnog URL-a i id-a modela — bez zamjene SDK-a, bez prepisivanja rukovanja porukama.

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"
}

Nekoliko praktičnih napomena:

• Ne šaljite response_format ni json_schema na ovaj id modela — ako ih vaša klijentska biblioteka podrazumijevano postavlja, isključite ih ili pređite na brata koji ih podržava.
• Alati idu u uobičajeni niz tools — pozivanje alata je potpuno podržano; izostaje samo nametanje sheme na slobodnom tekstu.
• Planirajte svoje rezonovanje. reasoning_effort se poštuje — nisko ili isključeno drži razgovornu latenciju niskom, a izlazne tokene jeftinim; podignite ga za višekoračni rad sa alatima, gdje razlika u benchmarkovima iznad pokazuje šta se time kupuje.
• Plafon izlaza je 16.384 tokena po zahtjevu. Za generisanje dužine knjige dijelite ga na poglavlja i strimujte.
• Samo tekst. Na ovom id-u modela nema slike na ulazu — za vid koristite MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 ili inkling.

Potpuni pregled parametara, autentikacija, semantika grešaka i živo igralište: API dokumentacija.

08Kada ga izabrati, a kada ne

Izaberite ga kada je vaš izlaz proza, dijalog ili kod koji čita čovjek; kada vam treba pozivanje alata, ali ne i tekst ograničen shemom; kada trošak po tokenu dominira nad dugim kontekstom; ili kada želite drugo mišljenje iz loze koja nije DeepSeek, Kimi ni MiMo, porodica koje popunjavaju ostatak postave.

Izaberite nešto drugo kada vam treba zagarantovani JSON (MiMo-V2.5-Pro), razumijevanje slika (Kimi-K2.6 ili MiMo-V2.5) ili krajnja težina s vrha polja gdje je razlika u cijeni nebitna spram tačnog odgovora (DeepSeek-V4-Pro, Kimi-K3).

09Često postavljana pitanja

---

Izvori: Poolside — kartica modela Laguna S 2.1 · Predstavljamo Lagunu S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Brojke o arhitekturi i benchmarkovima prijavio je izdavač za nekvantizovano izdanje i nisu mjerenja izdanja koje poslužujemo. Shannon AI-jem upravlja Shannon Lab LLC, Novi Meksiko, SAD.