Sensuroimaton Laguna-API
Laguna S 2.1 — 118 miljardin parametrin Mixture-of-Experts-perusta tarjottuna ilman kieltäytymiskerrosta, 262K konteksti-ikkunalla ja työkalukutsuilla — hintalattialla $0.50 sisään / $2.00 ulos miljoonalta tokenilta.
Tiivistelmä
Sensuroimaton Laguna-API ajaa Poolsiden Laguna S 2.1:tä — 118 miljardia parametria yhteensä, noin 8 miljardia aktiivista tokenia kohti, avoimet painot OpenMDW-1.1-lisenssillä — kvantisoituna W4A16:ksi AutoRoundilla ja REAPilla ja tarjottuna omalla GPU-klusterillamme. Saat 262 144 tokenin kontekstin, 16 384 tulostetokenia pyyntöä kohti, suoratoiston, työkalukutsut, reasoning_effort-parametrin eikä tulosteen suodatusta. Yksi varauma sanottuna heti alkuun: tämä on valikoimamme ainoa malli joka ei tue json_schema-määrittelyä eikä response_format-määrittelyä. Jos tarvitset taatun JSONin, ota sisarus — MiMo-V2.5:n Pro-build tekee sen identtiseen hintaan.
Useimmat ”halpa malli” -sivut pyytävät hyväksymään pienen, väsyneen perustan matalaa lukua vastaan. Tämä ei pyydä. Laguna S 2.1 on nykysukupolven harva Mixture-of-Experts-julkaisu, koulutettu 4 096 H200:lla ja toimitettu alle yhdeksässä viikossa, ja se on samalla $0.50 / $2.00 -lattialla kuin jokainen muu tarjoamamme sisääntulotason malli. Vaihtokauppa on kapea ja helppo hahmottaa: luovut palvelimen pakottamasta rakenteisesta tulosteesta ja pidät kaiken muun.
01Mikä Laguna S 2.1 on?
Laguna S 2.1 on avoinpainoinen malli jonka Poolside julkaisi 21. heinäkuuta 2026 sallivalla OpenMDW-1.1-lisenssillä — Laguna-perheen keskikokoinen jäsen, Laguna XS 2.1:n (33B/3B aktiivista) ja Laguna M.1:n (225B/23B aktiivista) välissä.
Julkaistu arkkitehtuuri on tokenivalintainen reititin softplus-portituksella 256 reititetyn asiantuntijan plus yhden jaetun asiantuntijan yli, kymmenen valittuna tokenia kohti, 48 kerroksen läpi — kaksitoista globaalin huomion kerrosta, kolmekymmentäkuusi liukuvan ikkunan kerrosta 512 tokenin ikkunalla, lomitus joka pitää hyvin pitkien syötteiden huomiokustannuksen lähes lineaarisena neliöllisen sijaan. Huomio on grouped-query-tyyppistä 8 avain-arvo-päällä pään dimensiolla 128.
Kaksi seurausta merkitsee API:n käyttäjälle. Harva aktivointi on syy siihen että 118 miljardin parametrin malli voi olla hintalattialla — vain noin 8 miljardia parametria työskentelee tokenia kohti, joten tokenikohtainen laskenta on lähempänä pientä tiheää mallia kuin parametrimäärä antaa ymmärtää. Ja liukuvan ikkunan lomitus on syy siihen että pitkä ikkuna on aidosti käyttökelpoinen eikä nimellinen. Poolsiden julkaisu tukee 1 048 576 tokenia; me tarjoamme 262 144, mikä vastaa jokaista muuta yhdyskäytävän mallia.
02Se yksi varauma: ei rakenteista tulostetta
Laguna S 2.1 ei hyväksy Shannon AI:ssa json_schema-määrittelyä eikä response_format-määrittelyä. Se on kahdentoista mallin valikoimamme ainoa ilman rakenteisen tulosteen tukea; kummankaan parametrin lähettäminen ei tuota skeemarajoitettua vastausta. Työkalukutsut toimivat. Suoratoisto toimii. Päättely toimii. Vain palvelimen pakottama tulosteen muotoilu puuttuu.
Mikä yhä toimii. Työkalukutsut ovat täysin tuettuja, ja työkalukutsujen argumentit saapuvat yhä JSON-oliona täsmälleen kuten millä tahansa muulla mallilla täällä. Jos sovelluksesi ”rakenteinen tuloste” on oikeasti työkaluargumentteja — mikä pätee useimpiin agenttikehyksiin, MCP-palvelimiin ja tietokantojen käyttöliittymiin — Laguna S 2.1 palvelee sinua hyvin. Suoratoisto toimii kaikilla kolmella murteella; reasoning_effort toimii.
Mikä ei. Et voi antaa päätepisteelle JSON-skeemaa ja saada takuuta siitä että assistentin tekstivastaus validoituu sitä vasten, eikä response_format: {"type": "json_object"} osta sinulle mitään. JSONin pyytäminen kehotteessa tuottaa yleensä JSONia — tämä on pätevä malli — mutta ”yleensä” ei ole sopimus. Poolside itse dokumentoi virheellisen JSON-escapaamisen syvästi sisäkkäisissä työkalukutsuissa tunnettuna rajoitteena, mikä muistuttaa että takuu, siellä missä se muualla valikoimassamme on, tulee tarjoamiskerrokselta eikä mallin hyvistä aikeista.
Mitä sisarusta käyttää sen sijaan
Jos kuormasi tarvitsee taatun JSONin, älä taistele tätä mallia vastaan — vaihda mallitunnus. Neljä sisarusta on identtisessä hinnassa $0.50 / $2.00 täydellä json_schema- ja response_format-tuella:
| Mallitunnus | json_schema | Näkö | Miksi valitsisit sen |
|---|---|---|---|
| MiMo-V2.5-Pro-W8A16 | Kyllä | Ei | Suora vaihto — 8-bittiset painot, korkeimman tarkkuuden taso, sama hinta |
| MiMo-V2.5-W8A16 | Kyllä | Kyllä | Sama, plus kuvasyöte |
| Hy3-W8A16 | Kyllä | Ei | Toinen 8-bittinen tekstimalli hintalattialla |
| DeepSeek-V4-Flash-0731 | Kyllä | Ei | W4A16-AutoRound-REAP kuten Laguna, skeematuki tallella |
Luonteva oletus on MiMo-V2.5-Pro (W8A16): vain tekstiä, hintalattialla, kvantisoituna lempeimmällä ajamallamme tasolla — yksityiskohdat MiMo-V2.5:n mallikortissa. Koska kaikki kaksitoista mallia jakavat päätepisteet, konteksti-ikkunan ja tulosteen katon, vaihto on yhden rivin muutos model-kenttään.
03Mitä W4A16-AUTOROUND-REAP tarkoittaa?
Mallitunnuksen pääte ei ole koristetta — se kertoo täsmälleen miten painot pakattiin ennen kuin ne ladattiin GPU-klusterillemme. Kolme osaa.
W4A16 — 4-bittiset painot, 16-bittiset aktivaatiot
Painot tallennetaan 4 bitillä; aktivaatiot — kerrosten välillä päättelyhetkellä virtaavat arvot — pysyvät 16 bitissä. Painojen leikkaaminen neljäsosaan niiden BF16-jalanjäljestä on se mikä saa 118 miljardin mallin mahtumaan ja pysymään nopeana, kun taas aktivaatioiden pitäminen leveinä suojaa eteenpäinkulun numeerisesti herkkää osaa. Pakkaa se mikä on suurta ja staattista, jätä rauhaan se mikä on pientä ja dynaamista.
AutoRound — opittu pyöristys, ei lähimpään pyöristys
Naiivi tapa kvantisoida on pyöristys lähimpään: napsauta jokainen paino lähimpään 4-bittiseen arvoon ja hyväksy virhe. AutoRound, Intelin avoin koulutuksen jälkeisen kvantisoinnin työkalupakki, tekee paremmin — sen SignRound-menetelmä käyttää merkkiperustaista gradienttilaskeutumista optimoidakseen yhdessä pyöristyspäätökset ja leikkausalueet parin sadan askeleen aikana, päättäen painokohtaisesti kumpi, ylös- vai alaspäin pyöristäminen, vahingoittaa vähemmän kerroksen todellista tulostetta. Se lainaa idean kvantisointitietoisesta koulutuksesta ilman uudelleenkoulutuksen kustannusta, ja se on syy siihen että W4A16-build voi olla vakavasti otettava malli eikä häviöllinen kuriositeetti.
REAP — asiantuntijoiden karsiminen niiden yhdistämisen sijaan
REAP on Router-weighted Expert Activation Pruning, jonka Cerebras Research on julkaissut. MoE-mallissa kaikki asiantuntijat eivät kanna kortensa kekoon: reititin lähettää joillekin vain vähän tokeneita, ja jotkut vaikuttavat suuruudeltaan vähän silloinkin kun ne laukeavat. REAP pisteyttää jokaisen asiantuntijan molemmilla signaaleilla — reitittimen porttiarvoilla ja asiantuntijan aktivaationormeilla — ja poistaa vähäisen merkitsevyyden asiantuntijat yhdellä kertaa, ennen kvantisointia. Ratkaisevasti se karsii eikä yhdistä: yhdistäminen taittaa useita asiantuntijoita yhdeksi, tuhoten reitittimen hienojakoisen, syötteestä riippuvan hallinnan ja tuoden virhelattian jota mikään viritys ei poista (tekijät kutsuvat sitä toiminnallisen aliavaruuden romahdukseksi), kun taas karsinta jättää selviytyjät ja reitittimen hallinnan niistä ehjäksi. Cerebras raportoi poistavansa jopa 50 % asiantuntijoista biljoonan parametrin malleista säilyttäen suurelta osin perustason laadun — 480 miljardin koodimallissa 50 %:n karsinnalla säilyi 97,6 % perustason ei-agenttisesta koodauskyvystä ja 96,7 % agenttisessa SWE-Benchissä. Nuo ovat Cerebrasin lukuja heidän omista malleistaan eivätkä mittauksia meidän buildistamme, mutta ne ovat syy siihen että ajamme tätä pinoa perustalla jonka ensisijainen vahvuus on koodi.
Yhdessä pääte lukeutuu lauseeksi: karsi asiantuntijat joita tuskin käytettiin, opi 4-bittinen pyöristys sen sijaan että arvaisit sen, pidä aktivaatiot täydessä leveydessä.
04Missä tämä malli oikeasti on hyvä?
Rehellisyys ensin: Laguna S 2.1 on pelkkään tekstiin keskittyvä keskustelumalli — tällä mallitunnuksella ei ole kuvasyötettä — ja Poolside rakensi sen agenttikoodaukseen ja pitkäjänteiseen työhön, ei proosaan. Jälkikoulutus ajettiin yli 409 000 ympäristössä, mukaan lukien 83 000 terminaali- ja 168 000 ohjelmistotuotantotehtävää, vahvistusoppimisella FP8:ssa. Poolsiden raportoimat tulokset kvantisoimattomalle julkaisulle:
| Vertailu | Ajattelu | Ei ajattelua | Mitä se mittaa |
|---|---|---|---|
| SWE-Bench Multilingual | 78.5% | — | Oikeita bugikorjauksia monella kielellä |
| Terminal-Bench 2.1 | 70.2% | 60.4% | Monivaiheista komentotulkki- ja työkalutyötä |
| SWE-Bench Pro | 59.4% | — | Vaikeampia, kontaminaatiota kestäviä repositoriotehtäviä |
| Toolathlon Verified | 49.7% | — | Työkalukäytön laajuutta monessa API:ssa |
| SWE Atlas | 46.2% | — | Pitkäjänteistä repositoriossa navigointia |
| DeepSWE v1.1 | 40.4% | 16.5% | Agenttimaista ohjelmistotuotantoa |
Kahden sarakkeen välinen ero on tässä käyttökelpoisin luku: DeepSWE:ssä pistemäärä yli kaksinkertaistuu kun päättely on käytössä, ja Terminal-Benchissä se voittaa lähes kymmenen pistettä.
Poolsiden raportoimat luvut kvantisoimattomalle Laguna S 2.1 -julkaisulle, heinäkuu 2026. Ne eivät ole mittauksia meidän W4A16-AutoRound-REAP-buildistamme, emmekä julkaise sille omia vertailulukuja. Käytä reasoning_effort-parametria ajattelubudjetin hallintaan API:ssamme.
Keskustelu- ja luovaan työhön rehellinen kanta on tämä: ne ominaisuudet jotka ovat pitkien agenttiajojen takana — suuren tilan johdonmukainen ylläpito, tehtävässä pysyminen, ajautumattomuus — ovat samat jotka ovat pitkän hahmotyön takana, ja käytännössä se pitää äänensä hyvin erittäin pitkän ikkunan yli. Mikään julkaistu vertailu ei sano niin, emmekä keksi sellaista. Testaa se omilla kehotteillasi; hintaan $0.50 miljoonalta syötetokenilta se on lähes ilmaista.
05Mitä hintalattia oikeasti ostaa?
$0.50 sisään / $2.00 ulos miljoonalta tokenilta on Shannon AI -yhdyskäytävän sisääntulotaso, jaettuna mallien MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro ja Hy3 kanssa. Konkreettisesti:
| Kuorma | Syöte | Tuloste | Kustannus |
|---|---|---|---|
| Yksi chat-kierros 100K:n historialla | 100,000 | 2,000 | $0.054 |
| 5 000 sanan luku pitkästä briiffistä | 30,000 | 7,000 | $0.029 |
| 1 000 lyhyttä keskustelukierrosta | 4,000,000 | 500,000 | $3.00 |
| Täysi 262K tokenin kontekstiluenta | 262,144 | 16,384 | $0.164 |
Viimeinen rivi kannattaa sisäistää: koko konteksti-ikkunan täyttäminen ja enimmäispituisen 16 384 tokenin vastauksen generointi maksaa noin kuusitoista senttiä. Kokonaisen käsikirjoituksen, istuntolitteroinnin tai dokumenttijoukon syöttäminen yhteen kutsuun lakkaa olemasta budjettipäätös ja muuttuu viivepäätökseksi. Sama laskenta ajaa toista hintalattian käyttötapausta — volyymia: eräluokittelua, joukkokirjoitusta, synteettistä dialogia ja ensimmäisen vedoksen laatimista jota vahvempi malli myöhemmin hioo. Katso hinnoittelusivu ja tutkimushakemisto.
06Mitä ”sensuroimaton” tarkoittaa täällä
Se tarkoittaa sitä mitä sanoo: ei kieltäytymiskerrosta eikä sisällönsuodatusta tulosteessa. Mikään luokittelija ei istu mallin ja vastauksesi välissä päättämässä oliko sinun lupa kysyä; malli vastaa siinä rekisterissä jota pyysit eikä saarnaa sinulle lähtökohdasta ensin.
Luovassa työssä se on ero käyttökelpoisen ja käyttökelvottoman työkalun välillä. Fiktiossa on uhkaavia vastustajia, hahmoja jotka valehtelevat vakuuttavasti, väkivaltaa jolla on seurauksia, moraalisesti kompromettoituneita kertojia — malli joka rikkoo roolinsa lisätäkseen vastuuvapauslausekkeen on epäonnistunut tehtävässä eikä onnistunut turvallisuudessa. Sama pätee tietoturvatutkimukseen, red team -dokumentaatioon, lääketieteelliseen ja oikeudelliseen laadintaan sekä kääntämiseen jossa lähde on suorasukainen: luokkiin joissa kieltäytyminen on yksinkertaisesti väärä vastaus. Se ei tarkoita että harkinta lakkaisi olemasta sinun — olet yhä vastuussa siitä mitä tuotat, vastuullisen käytön käytäntömme ja sovellettavan lain nojalla.
07Miten sensuroimatonta Laguna-API:a kutsutaan
Kolme murretta, yksi malli: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Suoratoisto toimii kaikilla kolmella, joten olemassa oleva integraatio siirtyy vaihtamalla perus-URL:n ja mallitunnuksen — ei SDK:n vaihtoa, ei viestinkäsittelyn uudelleenkirjoitusta.
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"
}
Muutama käytännön huomio:
- Älä lähetä
response_format- taijson_schema-parametria tälle mallitunnukselle — jos asiakaskirjastosi asettaa jommankumman oletuksena, poista se tai siirry sisarukseen joka tukee sitä. - Työkalut menevät tavanomaiseen
tools-taulukkoon — työkalukutsut ovat täysin tuettuja; vain vapaan tekstin skeeman pakottaminen ei ole. - Budjetoi päättelysi.
reasoning_efforthuomioidaan — matala tai pois pitää keskusteluviiveen alhaisena ja tulostetokenit halpoina; nosta sitä monivaiheiseen työkalutyöhön, jossa yllä oleva vertailuero näyttää mitä se ostaa. - Tulosteen katto on 16 384 tokenia pyyntöä kohti. Kirjanmittaiseen generointiin jaa se luvuiksi ja suoratoista.
- Vain tekstiä. Tällä mallitunnuksella ei ole kuvasyötettä — käytä näköön mallia MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 tai inkling.
Täysi parametriviite, tunnistautuminen, virhesemantiikka ja live-leikkikenttä: API-dokumentaatio.
08Milloin se kannattaa valita ja milloin ei
Valitse se kun tulosteesi on proosaa, dialogia tai ihmisen luettavaa koodia; tarvitset työkalukutsuja mutta et skeemarajoitettua tekstiä; tokenikohtainen kustannus hallitsee pitkän kontekstin yli; tai haluat toisen mielipiteen muusta sukulinjasta kuin DeepSeek-, Kimi- ja MiMo-perheistä jotka täyttävät valikoiman loput.
Valitse jokin muu kun tarvitset taatun JSONin (MiMo-V2.5-Pro), kuvien ymmärtämistä (Kimi-K2.6 tai MiMo-V2.5) tai vaikeuden huippupäätä jossa hintaero on merkityksetön sen rinnalla että vastaus on oikea (DeepSeek-V4-Pro, Kimi-K3).
json_schema- että response_format-tuella. Lue MiMo-V2.5:n mallikortti tai selaa kaikkia kahtatoista tutkimushakemistossa.
Jokainen tässä esitetty arkkitehtuuri- ja vertailuväite tulee mallin julkaisijalta tai pakkausmenetelmien tekijöiltä. Tarkista ne itse.
09Usein kysytyt kysymykset
Mikä on sensuroimaton Laguna-API?
Se on Poolsiden avoinpainoinen Laguna S 2.1 — 118 miljardia parametria, karkeasti 8 miljardia aktiivista tokenia kohti — tarjottuna Shannonin omalla GPU-klusterilla ilman kieltäytymiskerrosta ja ilman tulosteen suodatusta. Mallitunnus on Laguna-S-2.1-W4A16-AUTOROUND-REAP, konteksti-ikkuna on 262 144 tokenia, ja se maksaa $0.50 miljoonalta syötetokenilta ja $2.00 miljoonalta tulostetokenilta.
Tukeeko Laguna S 2.1 json_schemaa tai response_formatia Shannon AI:ssa?
Ei. Se on Shannonin valikoiman ainoa malli joka ei hyväksy kumpaakaan. Työkalukutsut ja suoratoisto toimivat normaalisti ja työkalukutsujen argumentit saapuvat yhä JSONina, mutta assistentin tekstitulosteelle ei ole palvelimen pakottamaa skeemaa. Taatun JSONin saat samalla hinnalla $0.50 / $2.00 käyttämällä mallia MiMo-V2.5-Pro (W8A16).
Mitä W4A16-AUTOROUND-REAP tarkoittaa?
W4A16 tarkoittaa että painot tallennetaan 4 bitillä kun aktivaatiot pysyvät 16 bitissä. AutoRound on Intelin koulutuksen jälkeisen kvantisoinnin menetelmä, joka käyttää merkkiperustaista gradienttilaskeutumista oppiakseen pyöristys- ja leikkauspäätökset sen sijaan että pyöristäisi lähimpään. REAP on Cerebras Researchin Router-weighted Expert Activation Pruning, joka pudottaa harvoin ja heikosti reititetyt asiantuntijat Mixture-of-Experts-mallista ennen kvantisointia sen sijaan että yhdistäisi ne.
Onko Laguna S 2.1 hyvä luovaan kirjoittamiseen ja keskusteluun?
Se on pelkkään tekstiin keskittyvä keskustelumalli — ei kuvasyötettä — ja se pitää pitkää, johdonmukaista ja roolissa pysyvää proosaa 262K ikkunan yli ilman kieltäytymiskerrosta tiellä. Poolsiden julkaistu vertailunäyttö on agenttikoodauksessa eikä proosassa, joten testaa luova laatu omilla kehotteillasi sen sijaan että luottaisit tulostauluun.
Paljonko sensuroimaton Laguna-API maksaa?
$0.50 miljoonalta syötetokenilta ja $2.00 miljoonalta tulostetokenilta — se on Shannon AI -yhdyskäytävän hintalattia, jaettuna mallien MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro ja Hy3 kanssa. 100 000 tokenin keskustelu joka tuottaa 2 000 tokenia vastausta maksaa noin 5,4 senttiä.
Kokeile sensuroimatonta Laguna-API:a
118B MoE · 262K konteksti · työkalut ja suoratoisto · $0.50 / $2.00 miljoonalta tokenilta.
Lue API-dokumentaatio Aloita keskusteluEi kieltäytymiskerrosta · ei tulosteen suodatusta · sinun harkintasi, sinun vastuusi
Lähteet: Poolside — Laguna S 2.1 -mallikortti · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Arkkitehtuuri- ja vertailuluvut ovat julkaisijan raportoimia kvantisoimattomalle julkaisulle eivätkä mittauksia siitä buildista jota tarjoamme. Shannon AI:ta operoi Shannon Lab LLC, New Mexico, USA.