API Laguna Heb Sensoriaeth

Mae'r rhan fwyaf o dudalennau "model rhad" yn gofyn i chi dderbyn sylfaen fach, flinedig yn gyfnewid am rif isel. Nid yw hon yn un ohonynt. Mae Laguna S 2.1 yn ryddhad Cymysgedd-o-Arbenigwyr tenau o'r genhedlaeth bresennol, wedi'i hyfforddi ar 4,096 o gardiau H200 a'i anfon mewn llai na naw wythnos, ac mae'n eistedd ar yr un llawr o $0.50 / $2.00 â phob model haen fynediad arall a weinwn. Mae'r fasnach yn gul ac yn hawdd rhesymu amdani: rydych yn ildio allbwn strwythuredig a orfodir gan y gweinydd ac yn cadw popeth arall.

01Beth yw Laguna S 2.1?

Model pwysau agored a ryddhawyd gan Poolside ar 21 Gorffennaf 2026 o dan drwydded ganiataol OpenMDW-1.1 yw Laguna S 2.1 — aelod canolig y teulu Laguna, rhwng Laguna XS 2.1 (33B/3B yn weithredol) a Laguna M.1 (225B/23B yn weithredol).

Llwybrydd dewis-tocyn gyda giatio softplus dros 256 o arbenigwyr llwybredig ynghyd ag un arbenigwr a rennir yw'r bensaernïaeth gyhoeddedig, gyda deg yn cael eu dewis fesul tocyn, ar draws 48 haen — deuddeg â sylw byd-eang, tri deg chwech â ffenestr lithro o 512 tocyn. Mae'r cydblethu hwnnw'n cadw cost sylw mewnbynnau hir iawn yn agos at linol yn hytrach na chwadratig. Sylw grŵp-ymholiad ydyw, gyda 8 pen allwedd-gwerth ar ddimensiwn pen o 128.

Mae dwy ganlyniad o bwys i ddefnyddiwr API. Yr actifadu tenau sy'n esbonio pam y gall model 118B eistedd ar y pris llawr — dim ond tua 8B o baramedrau sy'n gweithio fesul tocyn, felly mae'r cyfrifiant fesul tocyn yn nes at fodel dwys bach nag y byddai'r cyfrif paramedrau'n awgrymu. A'r cydblethu ffenestr lithro sy'n esbonio pam fod y ffenestr hir yn wirioneddol ddefnyddiadwy yn hytrach nag enwol. Mae rhyddhad Poolside yn cefnogi 1,048,576 o docynnau; rydym ni'n gweini 262,144, sy'n cyfateb i bob model arall ar y porth.

02Yr un cafeat: dim allbwn strwythuredig

Yr hyn sy'n dal i weithio. Cefnogir galw offer yn llawn, ac mae dadleuon galwadau offer yn dal i gyrraedd fel gwrthrych JSON yn union fel ar unrhyw fodel arall yma. Os mai dadleuon offer yw "allbwn strwythuredig" eich cymhwysiad mewn gwirionedd — sy'n wir am y rhan fwyaf o fframweithiau asiant, gweinyddion MCP a blaenau cronfeydd data — bydd Laguna S 2.1 yn eich gwasanaethu'n iawn. Mae ffrydio'n gweithio ar y tair tafodiaith; mae reasoning_effort yn gweithio.

Yr hyn nad yw'n gweithio. Ni allwch roi Sgema JSON i'r pwynt terfyn a chael gwarant bod ateb testun y cynorthwyydd yn dilysu yn ei erbyn, ac nid yw response_format: {"type": "json_object"} yn prynu dim i chi. Fel arfer bydd annog am JSON yn cynhyrchu JSON — model cymwys yw hwn — ond nid contract yw "fel arfer". Mae Poolside ei hun yn dogfennu dianc JSON anghywir mewn galwadau offer dwfn eu nythu fel cyfyngiad hysbys, sy'n atgof mai o'r haen weini y daw'r warant, lle mae'n bodoli mewn mannau eraill yn ein rhestr, yn hytrach nag o fwriadau da'r model.

Pa frawd i'w ddefnyddio yn ei le

Os oes angen JSON gwarantedig ar eich llwyth gwaith, peidiwch ag ymladd y model hwn — newidiwch y model id. Mae pedwar brawd yn eistedd ar yr un pris o $0.50 / $2.00 gyda chefnogaeth lawn i json_schema a response_format:

Model id	json_schema	Gweledol	Pam y byddech yn ei ddewis
MiMo-V2.5-Pro-W8A16	Ie	Na	Y cyfnewid uniongyrchol — pwysau 8-did, yr haen ffyddlondeb uchaf, yr un pris
MiMo-V2.5-W8A16	Ie	Ie	Yr un peth, ynghyd â mewnbwn delwedd
Hy3-W8A16	Ie	Na	Model testun 8-did arall ar y pris llawr
DeepSeek-V4-Flash-0731	Ie	Na	W4A16-AutoRound-REAP fel Laguna, gyda chefnogaeth sgema yn gyfan

Y dewis naturiol yw MiMo-V2.5-Pro (W8A16): testun yn unig, ar y pris llawr, wedi'i gwanteiddio ar yr haen fwyaf tyner a redwn — manylion ar gerdyn model MiMo-V2.5. Gan fod pob un o'r deuddeg model yn rhannu pwyntiau terfyn, ffenestr gyd-destun a nenfwd allbwn, newid un llinell yn y maes model yw'r cyfan.

03Beth mae W4A16-AUTOROUND-REAP yn ei olygu?

Nid addurn yw'r ôl-ddodiad ar y model id — mae'n dweud yn union sut y cywasgwyd y pwysau cyn eu llwytho ar ein clwstwr GPU. Tair rhan.

W4A16 — pwysau 4-did, actifadau 16-did

Storir y pwysau ar 4 did; mae'r actifadau — y gwerthoedd sy'n llifo rhwng haenau adeg casglu — yn aros ar 16. Torri'r pwysau i chwarter eu hôl troed BF16 sy'n gwneud i fodel 118B ffitio ac aros yn gyflym, tra bod cadw'r actifadau'n llydan yn amddiffyn rhan rifyddol sensitif y pas ymlaen. Cywasgwch yr hyn sy'n fawr ac yn sefydlog, a gadewch lonydd i'r hyn sy'n fach ac yn ddeinamig.

AutoRound — talgrynnu wedi'i ddysgu, nid talgrynnu i'r agosaf

Y ffordd naïf o gwanteiddio yw talgrynnu i'r agosaf: cliciwch bob pwysau i'r gwerth 4-did agosaf a derbyn y gwall. Mae AutoRound, pecyn cwanteiddio ôl-hyfforddi agored Intel, yn gwneud yn well — mae ei ddull SignRound yn defnyddio disgyniad graddiant arwyddedig i optimeiddio penderfyniadau talgrynnu ac ystodau clipio gyda'i gilydd dros ryw ddau gant o gamau, gan benderfynu fesul pwysau a yw talgrynnu i fyny neu i lawr yn gwneud llai o niwed i allbwn gwirioneddol yr haen. Mae'n benthyca'r syniad o hyfforddiant ymwybodol o gwanteiddio heb gost ail-hyfforddi, a dyna pam y gall adeiladwaith W4A16 fod yn fodel o ddifrif yn hytrach nag yn degan colledus.

REAP — tocio arbenigwyr yn lle eu cyfuno

REAP yw Tocio Actifadu Arbenigwyr wedi'i Bwysoli gan y Llwybrydd, a gyhoeddwyd gan Cerebras Research. Mewn model MoE nid yw pob arbenigwr yn tynnu ei bwysau: mae'r llwybrydd yn anfon ychydig o docynnau at rai, ac mae rhai'n cyfrannu ychydig o faintioli pan fyddant yn tanio. Mae REAP yn sgorio pob arbenigwr ar y ddau signal — gwerthoedd giât y llwybrydd a normau actifadu'r arbenigwr — ac yn tynnu'r rhai amlygrwydd isel mewn un ergyd, cyn y cwanteiddio. Yn hollbwysig mae'n tocio yn hytrach na chyfuno: mae cyfuno'n plygu sawl arbenigwr yn un, gan ddinistrio rheolaeth fanwl y llwybrydd sy'n dibynnu ar y mewnbwn a chyflwyno llawr gwall nad oes tiwnio'n ei dynnu (mae'r awduron yn ei alw'n gwymp is-ofod swyddogaethol), tra bod tocio'n gadael y goroeswyr a rheolaeth y llwybrydd drostynt yn gyfan. Mae Cerebras yn adrodd tynnu hyd at 50% o arbenigwyr o fodelau triliwn o baramedrau gan gynnal ansawdd sylfaenol i raddau helaeth — ar fodel codio 480B ar docio 50%, 97.6% o'r gallu codio anasiantaidd sylfaenol a 96.7% ar SWE-Bench asiantaidd. Ffigurau Cerebras ar gyfer eu modelau eu hunain yw'r rheini, nid mesuriadau o'n hadeiladwaith ni, ond dyna pam yr ydym yn rhedeg y pentwr hwn ar sylfaen y mae cod yn brif gryfder iddi.

Gyda'i gilydd mae'r ôl-ddodiad yn darllen fel brawddeg: tociwch yr arbenigwyr a ddefnyddiwyd prin, dysgwch y talgrynnu 4-did yn hytrach na'i ddyfalu, a chadwch yr actifadau ar led llawn.

04Beth mae'r model hwn yn dda arno mewn gwirionedd?

Gonestrwydd yn gyntaf: model sgwrsio testun-yn-unig yw Laguna S 2.1 — dim mewnbwn gweledol ar y model id hwn — ac fe'i hadeiladwyd gan Poolside ar gyfer codio asiantaidd a gwaith gorwel hir, nid ar gyfer rhyddiaith. Rhedodd yr ôl-hyfforddi dros 409,000 o amgylcheddau, gan gynnwys 83,000 o dasgau terfynell a 168,000 o dasgau peirianneg meddalwedd, gyda dysgu atgyfnerthu mewn FP8. Canlyniadau adroddedig Poolside ar gyfer y rhyddhad heb ei gwanteiddio:

Meincnod	Meddwl	Heb feddwl	Beth mae'n ei fesur
SWE-Bench Multilingual	78.5%	—	Trwsio bygiau go iawn ar draws sawl iaith
Terminal-Bench 2.1	70.2%	60.4%	Gwaith cregyn ac offer aml-gam
SWE-Bench Pro	59.4%	—	Tasgau storfa anos, gwrth-halogiad
Toolathlon Verified	49.7%	—	Lled y defnydd o offer ar draws llawer o APIs
SWE Atlas	46.2%	—	Llywio storfeydd dros orwel hir
DeepSWE v1.1	40.4%	16.5%	Peirianneg meddalwedd asiantaidd

Y bwlch rhwng y ddwy golofn yw'r rhif mwyaf gweithredadwy yma: ar DeepSWE mae'r sgôr yn fwy na dyblu pan fydd rhesymu wedi'i alluogi, ac ar Terminal-Bench mae'n ennill bron i ddeg pwynt.

Ffigurau a adroddwyd gan Poolside ar gyfer rhyddhad Laguna S 2.1 heb ei gwanteiddio, Gorffennaf 2026. Nid ydynt yn fesuriadau o'n hadeiladwaith W4A16-AutoRound-REAP ni, ac nid ydym yn cyhoeddi ffigurau meincnod ein hunain ar ei gyfer. Defnyddiwch reasoning_effort i reoli'r gyllideb feddwl ar ein API.

Ar gyfer gwaith sgwrsio a chreadigol, dyma'r safbwynt gonest: yr un rhinweddau sydd y tu ôl i rediadau asiantaidd hir — dal llawer o gyflwr yn gydlynol, aros ar y dasg, peidio â drifftio — sydd y tu ôl i waith cymeriad ffurf hir, ac yn ymarferol mae'n dal ei lais yn dda ar draws ffenestr hir iawn. Nid oes meincnod cyhoeddedig yn dweud hynny, ac ni wnawn ni ddyfeisio un. Profwch ef ar eich anogaethau eich hun; am $0.50 fesul miliwn tocyn mewnbwn mae hynny bron yn ddi-dâl.

05Beth mae'r pris llawr yn ei brynu mewn gwirionedd?

$0.50 i mewn / $2.00 allan fesul miliwn tocyn yw'r haen fynediad ar Borth Shannon AI, a rennir gyda MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro a Hy3. Yn benodol:

Llwyth gwaith	Mewnbwn	Allbwn	Cost
Un tro sgwrs gyda 100K o hanes	100,000	2,000	$0.054
Pennod 5,000 gair o friff hir	30,000	7,000	$0.029
1,000 o droeon sgwrs byrion	4,000,000	500,000	$3.00
Darllen cyd-destun llawn 262K tocyn	262,144	16,384	$0.164

Y rhes olaf yw'r un i'w mewnoli: mae llenwi'r ffenestr gyd-destun gyfan a chynhyrchu'r ymateb uchaf o 16,384 tocyn yn costio tua un deg chwech sent. Mae bwydo llawysgrif gyfan, trawsgrifiad sesiwn neu set ddogfennau i mewn i un alwad yn peidio â bod yn benderfyniad cyllideb ac yn dod yn benderfyniad hwyrni. Mae'r un rhifyddeg yn gyrru'r achos defnydd pris llawr arall — cyfaint: dosbarthu swp, ailysgrifennu torfol, deialog synthetig, drafftio pas cyntaf y bydd model cryfach yn ei fireinio wedyn. Gweler y dudalen brisio a'r mynegai ymchwil.

06Beth mae "heb sensoriaeth" yn ei olygu yma

Mae'n golygu'r hyn y mae'n ei ddweud: dim haen wrthod a dim hidlo cynnwys ar yr allbwn. Nid oes dosbarthwr yn eistedd rhwng y model a'ch ymateb yn penderfynu a gawsoch ganiatâd i ofyn; mae'r model yn ateb yn y cywair y gofynnoch amdano ac nid yw'n eich darlithio am y rhagosodiad yn gyntaf.

Ar gyfer gwaith creadigol dyna'r gwahaniaeth rhwng teclyn defnyddiadwy ac un annefnyddiadwy. Mae ffuglen yn cynnwys gwrthwynebwyr bygythiol, cymeriadau sy'n dweud celwydd yn argyhoeddiadol, trais â chanlyniadau, adroddwyr moesol amheus — mae model sy'n torri cymeriad i ychwanegu ymwadiad wedi methu'r dasg, nid llwyddo ar ddiogelwch. Mae'r un peth yn wir am ymchwil diogelwch, dogfennu tîm coch, drafftio meddygol a chyfreithiol, a chyfieithu lle mae'r ffynhonnell yn ddi-flewyn-ar-dafod: categorïau lle mae gwrthodiad yn syml yn ateb anghywir. Yr hyn nad yw'n ei olygu yw bod barn yn peidio â bod yn eiddo i chi — chi sy'n gyfrifol am yr hyn a gynhyrchwch, o dan ein Polisi Defnydd Cyfrifol a'r gyfraith berthnasol.

07Sut i alw'r API Laguna heb sensoriaeth

Tair tafodiaith, un model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Mae ffrydio'n gweithio ar y tair, felly mae integreiddiad presennol yn symud drosodd trwy newid URL sylfaen a model id — dim cyfnewid SDK, dim ailysgrifennu eich trin negeseuon.

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"
}

Ychydig o nodiadau ymarferol:

• Peidiwch ag anfon response_format na json_schema at y model id hwn — os yw eich llyfrgell cleient yn gosod un yn ddiofyn, dadosodwch ef neu symudwch at frawd sy'n ei gefnogi.
• Mae offer yn mynd yn yr arae tools arferol — cefnogir galw offer yn llawn; dim ond gorfodi sgema ar destun rhydd sydd ar goll.
• Cyllidebwch eich rhesymu. Anrhydeddir reasoning_effort — mae isel neu i ffwrdd yn cadw hwyrni sgwrs yn isel a thocynnau allbwn yn rhad; codwch ef ar gyfer gwaith offer aml-gam, lle mae'r bwlch meincnod uchod yn dangos beth y mae'n ei brynu.
• Y nenfwd allbwn yw 16,384 o docynnau fesul cais. Ar gyfer cynhyrchu hyd llyfr, rhannwch yn benodau a ffrydiwch.
• Testun yn unig. Dim mewnbwn delwedd ar y model id hwn — defnyddiwch MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 neu inkling ar gyfer gweledol.

Cyfeirlyfr paramedrau llawn, dilysu, semanteg gwallau a maes chwarae byw: dogfennaeth yr API.

08Pryd i'w ddewis, a phryd i beidio

Dewiswch ef pan fo'ch allbwn yn rhyddiaith, deialog neu god y bydd person yn ei ddarllen; pan fo angen galw offer arnoch ond nid testun wedi'i gyfyngu gan sgema; pan fo'r gost fesul tocyn yn drech na chyd-destun hir; neu pan fyddwch am ail farn o linach heblaw'r teuluoedd DeepSeek, Kimi a MiMo sy'n llenwi gweddill y rhestr.

Dewiswch rywbeth arall pan fo angen JSON gwarantedig arnoch (MiMo-V2.5-Pro), deall delweddau (Kimi-K2.6 neu MiMo-V2.5), neu ben eithaf anhawster lle mae'r bwlch pris yn amherthnasol wrth ymyl cael yr ateb yn iawn (DeepSeek-V4-Pro, Kimi-K3).

09Cwestiynau cyffredin

---

Ffynonellau: Poolside — cerdyn model Laguna S 2.1 · Cyflwyno Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Adroddwyd y ffigurau pensaernïaeth a meincnod gan y cyhoeddwr ar gyfer y rhyddhad heb ei gwanteiddio, nid mesuriadau o'r adeiladwaith a weinwn. Gweithredir Shannon AI gan Shannon Lab LLC, New Mexico, UDA.