Laguna API bez cenzury

Většina stránek o „levném modelu“ po vás chce, abyste výměnou za nízké číslo přijali malý, unavený základ. Tahle ne. Laguna S 2.1 je vydání řídkého Mixture-of-Experts současné generace, trénované na 4 096 kartách H200 a dodané za necelých devět týdnů, a leží na téže spodní hranici $0.50 / $2.00 jako každý další model vstupního tieru, který servírujeme. Ten obchod je úzký a snadno se o něm uvažuje: vzdáváte se serverově vynuceného strukturovaného výstupu a všechno ostatní si ponecháváte.

01Co je Laguna S 2.1?

Laguna S 2.1 je model s otevřenými váhami vydaný Poolside dne 21. července 2026 pod permisivní licencí OpenMDW-1.1 — středně velký člen rodiny Laguna, mezi Laguna XS 2.1 (33B/3B aktivních) a Laguna M.1 (225B/23B aktivních).

Zveřejněná architektura je router s volbou tokenu a softplusovým hradlováním nad 256 routovanými experty plus jedním sdíleným, s deseti vybranými na token, napříč 48 vrstvami — dvanáct s globální pozorností, třicet šest s posuvným oknem o 512 tokenech, přičemž tohle proložení drží cenu pozornosti u velmi dlouhých vstupů blízko lineární místo kvadratické. Pozornost je grouped-query s 8 hlavami klíč-hodnota při dimenzi hlavy 128.

Pro konzumenta API jsou důležité dva důsledky. Řídká aktivace je důvod, proč může model se 118B parametry ležet na spodní ceně — na token pracuje jen ~8B parametrů, takže výpočet na token je blíž malému hustému modelu, než by počet parametrů napovídal. A proložení posuvným oknem je důvod, proč je dlouhé okno opravdu použitelné, a ne jen nominální. Vydání od Poolside podporuje 1 048 576 tokenů; my servírujeme 262 144, shodně s každým dalším modelem na bráně.

02Jedna výhrada: žádný strukturovaný výstup

Co pořád funguje. Volání nástrojů je plně podporováno a argumenty volání nástrojů stále přicházejí jako objekt JSON přesně jako u kteréhokoli jiného zdejšího modelu. Pokud je „strukturovaný výstup“ vaší aplikace ve skutečnosti argumenty nástrojů — což platí pro většinu agentních frameworků, MCP serverů a databázových nadstaveb — Laguna S 2.1 vám poslouží dobře. Streamování funguje ve všech třech dialektech; reasoning_effort funguje.

Co ne. Nemůžete endpointu podat JSON schéma a mít zaručeno, že textová odpověď asistenta proti němu projde validací, a response_format: {"type": "json_object"} vám nekoupí nic. Promptování na JSON obvykle JSON vyprodukuje — tohle je kompetentní model — ale „obvykle“ není kontrakt. Samo Poolside dokumentuje jako známé omezení chybné escapování JSONu v hluboce vnořených voláních nástrojů, což připomíná, že tam, kde ta záruka v naší nabídce jinde existuje, pochází ze servírovací vrstvy, a ne z dobrých úmyslů modelu.

Kterého sourozence použít místo něj

Pokud vaše zátěž potřebuje zaručený JSON, s tímhle modelem nebojujte — změňte id modelu. Čtyři sourozenci leží na shodné ceně $0.50 / $2.00 s plnou podporou json_schema i response_format:

Id modelu	json_schema	Vidění	Proč byste ho vzali
MiMo-V2.5-Pro-W8A16	Ano	Ne	Přímá záměna — 8bitové váhy, tier s nejvyšší věrností, stejná cena
MiMo-V2.5-W8A16	Ano	Ano	Totéž plus obrazový vstup
Hy3-W8A16	Ano	Ne	Další 8bitový textový model za spodní cenu
DeepSeek-V4-Flash-0731	Ano	Ne	W4A16-AutoRound-REAP jako Laguna, podpora schématu nedotčená

Přirozenou výchozí volbou je MiMo-V2.5-Pro (W8A16): pouze text, spodní cena, kvantizovaný v nejšetrnějším tieru, jaký provozujeme — podrobnosti na kartě modelu MiMo-V2.5. Protože všech dvanáct modelů sdílí endpointy, kontextové okno i strop výstupu, je přepnutí jednořádkovou změnou pole model.

03Co znamená W4A16-AUTOROUND-REAP?

Přípona v id modelu není ozdoba — říká přesně, jak byly váhy zkomprimovány, než se nahrály na náš GPU cluster. Tři části.

W4A16 — 4bitové váhy, 16bitové aktivace

Váhy se ukládají na 4 bitech; aktivace — hodnoty tekoucí mezi vrstvami při inferenci — zůstávají na 16. Zkrácení vah na čtvrtinu jejich stopy v BF16 je to, co umožňuje modelu se 118B parametry vejít se a zůstat rychlý, zatímco ponechání širokých aktivací chrání numericky citlivou část dopředného průchodu. Zkomprimujte to, co je velké a statické, a nechte na pokoji to, co je malé a dynamické.

AutoRound — naučené zaokrouhlování, ne zaokrouhlování na nejbližší

Naivní způsob kvantizace je zaokrouhlení na nejbližší: přicvakněte každou váhu k nejbližší 4bitové hodnotě a chybu přijměte. AutoRound, otevřená sada nástrojů pro potréninkovou kvantizaci od Intelu, to dělá lépe — její metoda SignRound používá znaménkový gradientní sestup ke společné optimalizaci rozhodnutí o zaokrouhlení a rozsahů ořezu v řádu pár set kroků a pro každou váhu rozhoduje, jestli zaokrouhlení nahoru, nebo dolů způsobí menší škodu na skutečném výstupu vrstvy. Přebírá myšlenku z tréninku uvědomujícího si kvantizaci bez nákladů na přetrénování, a proto může být build W4A16 seriózním modelem, a ne ztrátovou kuriozitou.

REAP — prořezávání expertů místo jejich slučování

REAP je Router-weighted Expert Activation Pruning, publikované Cerebras Research. V modelu MoE si ne všichni experti odpracují své: k některým router pošle málo tokenů a někteří přispějí malou velikostí, i když vystřelí. REAP boduje každého experta podle obou signálů — hodnot routovací brány a norem aktivací experta — a ty s nízkou významností na jeden zátah odstraní, ještě před kvantizací. Zásadní je, že prořezává, místo aby slučoval: slučování složí několik expertů do jednoho, čímž zničí jemnou, na vstupu závislou kontrolu routeru a zavede chybové dno, které žádné ladění neodstraní (autoři to nazývají kolapsem funkčního podprostoru), zatímco prořezávání ponechá přeživší i kontrolu routeru nad nimi nedotčenou. Cerebras uvádí odstranění až 50 % expertů z modelů s bilionem parametrů při do velké míry udržené výchozí kvalitě — u kódovacího modelu se 480B při 50% prořezání 97,6 % výchozí neagentní schopnosti kódovat a 96,7 % na agentním SWE-Bench. To jsou čísla Cerebrasu pro jejich vlastní modely, ne měření našeho buildu, ale jsou důvodem, proč tenhle stoh provozujeme na základu, jehož hlavní silou je kód.

Dohromady se ta přípona čte jako věta: prořež experty, kteří se sotva používali, nauč se 4bitové zaokrouhlení místo hádání a nech aktivace v plné šířce.

04V čem je tenhle model vlastně dobrý?

Nejdřív poctivě: Laguna S 2.1 je čistě textový konverzační model — pod tímhle id modelu žádný obrazový vstup — a Poolside ji postavilo na agentní kódování a dlouhodobou práci, ne na prózu. Post-training běžel přes 409 000 prostředí, včetně 83 000 terminálových a 168 000 softwarově inženýrských úloh, s posilovaným učením ve FP8. Výsledky, které Poolside uvádí pro nekvantizované vydání:

Benchmark	S myšlením	Bez myšlení	Co měří
SWE-Bench Multilingual	78.5%	—	Skutečné opravy chyb napříč mnoha jazyky
Terminal-Bench 2.1	70.2%	60.4%	Vícekrokovou práci v shellu a s nástroji
SWE-Bench Pro	59.4%	—	Těžší úlohy nad repozitáři odolné vůči kontaminaci
Toolathlon Verified	49.7%	—	Šíři používání nástrojů napříč mnoha API
SWE Atlas	46.2%	—	Dlouhodobou navigaci v repozitáři
DeepSWE v1.1	40.4%	16.5%	Agentní softwarové inženýrství

Rozdíl mezi těmi dvěma sloupci je tady nejvíc použitelným číslem: na DeepSWE se skóre se zapnutým uvažováním víc než zdvojnásobí a na Terminal-Bench získá skoro deset bodů.

Čísla uváděná Poolside pro nekvantizované vydání Laguna S 2.1, červenec 2026. Nejsou měřením našeho buildu W4A16-AutoRound-REAP a my pro něj žádná vlastní benchmarková čísla nezveřejňujeme. Rozpočet na přemýšlení na našem API řídíte přes reasoning_effort.

Pro konverzační a kreativní práci zní poctivé stanovisko takhle: vlastnosti stojící za dlouhými agentními běhy — souvislé udržení velkého množství stavu, setrvání u úlohy, nedriftování — jsou tytéž, které stojí za dlouhou prací s postavou, a v praxi drží hlas napříč velmi dlouhým oknem dobře. Žádný zveřejněný benchmark to netvrdí a my si žádný nevymyslíme. Otestujte si to na vlastních promptech; při $0.50 za milion vstupních tokenů je to skoro zadarmo.

05Co vlastně spodní cena kupuje?

$0.50 vstup / $2.00 výstup za milion tokenů je vstupní tier na bráně Shannon AI, sdílený s MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro a Hy3. Konkrétně:

Zátěž	Vstup	Výstup	Cena
Jeden tah chatu se 100K historie	100,000	2,000	$0.054
Kapitola o 5 000 slovech z dlouhého zadání	30,000	7,000	$0.029
1 000 krátkých konverzačních tahů	4,000,000	500,000	$3.00
Načtení plného kontextu 262K tokenů	262,144	16,384	$0.164

Poslední řádek je ten, který stojí za zvnitřnění: zaplnění celého kontextového okna a vygenerování maximální odpovědi o 16 384 tokenech stojí zhruba šestnáct centů. Nakrmit celý rukopis, přepis sezení nebo sadu dokumentů do jednoho volání přestává být rozpočtovým rozhodnutím a stává se rozhodnutím o latenci. Táž aritmetika žene i druhé využití spodní ceny — objem: dávkovou klasifikaci, hromadné přepisování, syntetické dialogy, první koncept, který později vybrousí silnější model. Viz stránka s cenami a výzkumný rozcestník.

06Co tady znamená „bez cenzury“

Znamená to, co říká: žádná vrstva odmítání a žádné filtrování obsahu na výstupu. Mezi modelem a vaší odpovědí nesedí žádný klasifikátor, který by rozhodoval, jestli jste se směli zeptat; model odpovídá v poloze, o kterou jste požádali, a nejdřív vám nekáže o vaší premise.

Pro kreativní práci je v tom rozdíl mezi použitelným a nepoužitelným nástrojem. Beletrie obsahuje hrozivé protivníky, postavy, které přesvědčivě lžou, násilí s následky, morálně zkompromitované vypravěče — model, který vypadne z role, aby připojil disclaimer, úlohu nesplnil, nikoli uspěl v bezpečnosti. Totéž platí pro bezpečnostní výzkum, dokumentaci red teamingu, lékařské a právní koncepty a překlad, kde je zdroj drsný: kategorie, kde je odmítnutí prostě špatnou odpovědí. Co to neznamená, je, že by úsudek přestal být váš — za to, co vygenerujete, zůstáváte odpovědní vy, podle naší Politiky odpovědného užívání a podle platného práva.

07Jak volat Laguna API bez cenzury

Tři dialekty, jeden model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Streamování funguje ve všech třech, takže stávající integrace se přenese změnou základní URL a id modelu — žádná výměna SDK, žádné přepisování obsluhy zpráv.

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"
}

Pár praktických poznámek:

• Neposílejte tomuhle id modelu response_format ani json_schema — pokud vám je klientská knihovna nastavuje ve výchozím stavu, zrušte to, nebo přejděte na sourozence, který je podporuje.
• Nástroje jdou do obvyklého pole tools — volání nástrojů je plně podporováno; chybí jen vynucování schématu na volném textu.
• Rozpočtujte si uvažování. reasoning_effort je respektován — nízké nebo vypnuté drží konverzační latenci dole a výstupní tokeny levné; zvedněte ho u vícekrokové práce s nástroji, kde benchmarkový rozdíl výše ukazuje, co za to dostanete.
• Strop výstupu je 16 384 tokenů na požadavek. U generování v délce knihy to rozdělte po kapitolách a streamujte.
• Pouze text. Pod tímhle id modelu žádný obrazový vstup — na vidění použijte MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 nebo inkling.

Úplná referenční příručka parametrů, autentizace, sémantika chyb a živé hřiště: dokumentace API.

08Kdy ji zvolit a kdy ne

Zvolte ji, když je vaším výstupem próza, dialog nebo kód, který čte člověk; potřebujete volání nástrojů, ale ne text omezený schématem; cena za token dominuje nad dlouhým kontextem; nebo chcete druhý názor z jiné linie než z rodin DeepSeek, Kimi a MiMo, které vyplňují zbytek nabídky.

Zvolte něco jiného, když potřebujete zaručený JSON (MiMo-V2.5-Pro), porozumění obrázkům (Kimi-K2.6 nebo MiMo-V2.5), nebo špičkový konec obtížnosti, kde je cenový rozdíl vedle správné odpovědi nepodstatný (DeepSeek-V4-Pro, Kimi-K3).

09Nejčastější dotazy

---

Zdroje: Poolside — karta modelu Laguna S 2.1 · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Údaje o architektuře a benchmarcích uvádí vydavatel pro nekvantizované vydání, nejsou to měření buildu, který servírujeme. Shannon AI provozuje Shannon Lab LLC, Nové Mexiko, USA.