API Laguna sans censure
Laguna S 2.1 — une fondation Mixture-of-Experts de 118B servie sans couche de refus, avec une fenêtre de contexte de 262K et l'appel d'outils — au prix plancher de 0,50 $ en entrée / 2,00 $ en sortie par million de tokens.
En bref
L'API Laguna sans censure fait tourner Laguna S 2.1 de Poolside — 118B de paramètres au total, ~8B actifs par token, poids ouverts sous licence OpenMDW-1.1 — quantifié en W4A16 avec AutoRound et REAP et servi sur notre propre cluster GPU. Vous disposez d'un contexte de 262,144 tokens, de 16,384 tokens de sortie par requête, du streaming, de l'appel d'outils, de reasoning_effort, et d'aucun filtrage de sortie. Une réserve, annoncée d'emblée : c'est le seul modèle de notre catalogue qui ne prend en charge ni json_schema ni response_format. S'il vous faut du JSON garanti, prenez un modèle voisin — la version Pro de MiMo-V2.5 le fait au prix identique.
La plupart des pages « modèle pas cher » vous demandent d'accepter une fondation petite et fatiguée en échange d'un tarif bas. Pas celle-ci. Laguna S 2.1 est une sortie Mixture-of-Experts creuse de génération actuelle, entraînée sur 4,096 H200 et livrée en moins de neuf semaines, et elle se situe au même plancher de 0,50 $ / 2,00 $ que tous les autres modèles d'entrée de gamme que nous servons. L'arbitrage est étroit et facile à raisonner : vous renoncez à la sortie structurée imposée côté serveur et vous gardez tout le reste.
01Qu'est-ce que Laguna S 2.1 ?
Laguna S 2.1 est un modèle à poids ouverts publié par Poolside le 21 juillet 2026 sous la licence permissive OpenMDW-1.1 — le membre intermédiaire de la famille Laguna, entre Laguna XS 2.1 (33B/3B actifs) et Laguna M.1 (225B/23B actifs).
L'architecture publiée est un routeur token-choice à porte softplus sur 256 experts routés plus un expert partagé, dix sélectionnés par token, répartis sur 48 couches — douze à attention globale, trente-six à fenêtre glissante de 512 tokens, un entrelacement qui maintient le coût d'attention des entrées très longues proche du linéaire au lieu du quadratique. L'attention est de type grouped-query avec 8 têtes clé-valeur de dimension 128.
Deux conséquences comptent pour qui consomme l'API. L'activation creuse explique qu'un modèle de 118B puisse tenir au prix plancher : seuls ~8B de paramètres travaillent par token, si bien que le calcul par token se rapproche davantage d'un petit modèle dense que ne le laisse croire le nombre de paramètres. Et l'entrelacement à fenêtre glissante explique que la longue fenêtre soit réellement exploitable plutôt que nominale. La version de Poolside prend en charge 1,048,576 tokens ; nous en servons 262,144, comme tous les autres modèles de la passerelle.
02La seule réserve : pas de sortie structurée
Sur Shannon AI, Laguna S 2.1 n'accepte ni json_schema ni response_format. C'est le seul modèle de notre catalogue de douze sans prise en charge de la sortie structurée ; envoyer l'un ou l'autre de ces paramètres ne vous donnera pas une réponse contrainte par un schéma. L'appel d'outils fonctionne. Le streaming fonctionne. Le raisonnement fonctionne. Seul le formatage de sortie imposé côté serveur est absent.
Ce qui fonctionne toujours. L'appel d'outils est entièrement pris en charge, et les arguments d'appel d'outils arrivent toujours sous forme d'objet JSON, exactement comme sur n'importe quel autre modèle d'ici. Si la « sortie structurée » de votre application correspond en réalité aux arguments d'outils — ce qui est le cas de la plupart des frameworks d'agents, des serveurs MCP et des interfaces de bases de données — Laguna S 2.1 vous convient parfaitement. Le streaming fonctionne sur les trois dialectes ; reasoning_effort fonctionne.
Ce qui ne fonctionne pas. Vous ne pouvez pas remettre un JSON Schema au point de terminaison en étant assuré que la réponse textuelle de l'assistant le validera, et response_format: {"type": "json_object"} ne vous apporte rien. Demander du JSON dans le prompt en produit généralement — c'est un modèle compétent — mais « généralement » n'est pas un contrat. Poolside documente lui-même un échappement JSON incorrect dans les appels d'outils profondément imbriqués comme limitation connue, rappel utile que la garantie, là où elle existe ailleurs dans notre catalogue, vient de la couche de service et non des bonnes intentions du modèle.
Quel modèle voisin utiliser à la place
Si votre charge de travail exige du JSON garanti, ne luttez pas contre ce modèle — changez l'identifiant de modèle. Quatre voisins se situent au prix identique de 0,50 $ / 2,00 $ avec une prise en charge complète de json_schema et response_format :
| Identifiant de modèle | json_schema | Vision | Pourquoi le choisir |
|---|---|---|---|
| MiMo-V2.5-Pro-W8A16 | Oui | Non | L'échange direct — poids 8 bits, palier de fidélité le plus élevé, même prix |
| MiMo-V2.5-W8A16 | Oui | Oui | Idem, plus l'entrée d'images |
| Hy3-W8A16 | Oui | Non | Un autre modèle textuel 8 bits au prix plancher |
| DeepSeek-V4-Flash-0731 | Oui | Non | W4A16-AutoRound-REAP comme Laguna, prise en charge des schémas intacte |
Le choix par défaut naturel est MiMo-V2.5-Pro (W8A16) : uniquement textuel, au prix plancher, quantifié au palier le plus doux que nous exploitions — détails sur la fiche de modèle MiMo-V2.5. Comme les douze modèles partagent les mêmes points de terminaison, la même fenêtre de contexte et le même plafond de sortie, changer revient à modifier une ligne dans le champ model.
03Que signifie W4A16-AUTOROUND-REAP ?
Le suffixe de l'identifiant de modèle n'est pas décoratif — il indique exactement comment les poids ont été compressés avant d'être chargés sur notre cluster GPU. Trois parties.
W4A16 — poids 4 bits, activations 16 bits
Les poids sont stockés sur 4 bits ; les activations — les valeurs qui circulent entre les couches au moment de l'inférence — restent sur 16. Réduire les poids au quart de leur empreinte BF16 est ce qui permet à un modèle de 118B de tenir et de rester rapide, tandis que conserver des activations larges protège la partie numériquement sensible de la passe avant. Compressez ce qui est gros et statique, laissez tranquille ce qui est petit et dynamique.
AutoRound — un arrondi appris, pas un arrondi au plus proche
La façon naïve de quantifier, c'est l'arrondi au plus proche : rabattre chaque poids sur la valeur 4 bits la plus proche et accepter l'erreur. AutoRound, la boîte à outils ouverte de quantification post-entraînement d'Intel, fait mieux — sa méthode SignRound utilise une descente de gradient signée pour optimiser conjointement les décisions d'arrondi et les plages d'écrêtage sur quelques centaines d'étapes, en décidant poids par poids si arrondir vers le haut ou vers le bas abîme le moins la sortie réelle de la couche. Elle emprunte l'idée à l'entraînement conscient de la quantification sans le coût d'un réentraînement, et c'est pourquoi une version W4A16 peut être un modèle sérieux plutôt qu'une curiosité dégradée.
REAP — élaguer les experts au lieu de les fusionner
REAP signifie Router-weighted Expert Activation Pruning, publié par Cerebras Research. Dans un modèle MoE, tous les experts ne font pas leur part : le routeur n'envoie que peu de tokens à certains, et certains contribuent faiblement en magnitude quand ils s'activent. REAP note chaque expert sur les deux signaux — valeurs de la porte du routeur et normes d'activation des experts — et retire ceux de faible saillance en une passe, avant la quantification. Fait crucial, il élague plutôt qu'il ne fusionne : la fusion replie plusieurs experts en un seul, détruisant le contrôle fin et dépendant de l'entrée exercé par le routeur et introduisant un plancher d'erreur qu'aucun réglage n'efface (les auteurs parlent d'effondrement du sous-espace fonctionnel), tandis que l'élagage laisse intacts les survivants et le contrôle que le routeur exerce sur eux. Cerebras rapporte la suppression de jusqu'à 50 % des experts sur des modèles à mille milliards de paramètres tout en préservant largement la qualité de référence — sur un modèle de code de 480B élagué à 50 %, 97,6 % de la capacité de codage non agentique de référence et 96,7 % sur SWE-Bench agentique. Ce sont des chiffres Cerebras pour leurs propres modèles, pas des mesures de notre version, mais ils expliquent pourquoi nous faisons tourner cette pile sur une fondation dont la force première est le code.
Mis bout à bout, le suffixe se lit comme une phrase : élaguer les experts à peine utilisés, apprendre l'arrondi 4 bits plutôt que le deviner, garder les activations en pleine largeur.
04En quoi ce modèle est-il réellement bon ?
Honnêteté d'abord : Laguna S 2.1 est un modèle conversationnel uniquement textuel — pas d'entrée d'images sur cet identifiant de modèle — et Poolside l'a conçu pour le codage agentique et le travail de longue haleine, pas pour la prose. Le post-entraînement a couvert plus de 409,000 environnements, dont 83,000 tâches de terminal et 168,000 tâches de génie logiciel, avec de l'apprentissage par renforcement en FP8. Les résultats rapportés par Poolside pour la version non quantifiée :
| Benchmark | Avec raisonnement | Sans raisonnement | Ce qu'il mesure |
|---|---|---|---|
| SWE-Bench Multilingual | 78.5% | — | Corrections de bugs réels dans de nombreux langages |
| Terminal-Bench 2.1 | 70.2% | 60.4% | Travail multi-étapes en shell et outillage |
| SWE-Bench Pro | 59.4% | — | Tâches de dépôt plus dures, résistantes à la contamination |
| Toolathlon Verified | 49.7% | — | Étendue de l'usage d'outils sur de nombreuses API |
| SWE Atlas | 46.2% | — | Navigation de dépôt de longue haleine |
| DeepSWE v1.1 | 40.4% | 16.5% | Génie logiciel agentique |
L'écart entre les deux colonnes est le chiffre le plus actionnable ici : sur DeepSWE, le score fait plus que doubler lorsque le raisonnement est activé, et sur Terminal-Bench il gagne près de dix points.
Chiffres rapportés par Poolside pour la version non quantifiée de Laguna S 2.1, juillet 2026. Ce ne sont pas des mesures de notre version W4A16-AutoRound-REAP, et nous ne publions aucun chiffre de benchmark qui nous soit propre pour elle. Utilisez reasoning_effort pour contrôler le budget de raisonnement sur notre API.
Pour le travail conversationnel et créatif, la position honnête est la suivante : les qualités qui sous-tendent les longues exécutions agentiques — tenir beaucoup d'état de façon cohérente, rester sur la tâche, ne pas dériver — sont celles-là mêmes qui sous-tendent le travail de personnage au long cours, et dans la pratique il tient bien la voix sur une très longue fenêtre. Aucun benchmark publié ne le dit, et nous n'en inventerons pas. Testez-le sur vos propres prompts ; à 0,50 $ par million de tokens d'entrée, c'est quasi gratuit.
05Qu'achète réellement le prix plancher ?
0,50 $ en entrée / 2,00 $ en sortie par million de tokens, c'est le palier d'entrée de la passerelle Shannon AI, partagé avec MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro et Hy3. Concrètement :
| Charge de travail | Entrée | Sortie | Coût |
|---|---|---|---|
| Un tour de discussion avec 100K d'historique | 100,000 | 2,000 | 0,054 $ |
| Un chapitre de 5,000 mots à partir d'un brief long | 30,000 | 7,000 | 0,029 $ |
| 1,000 tours de conversation courts | 4,000,000 | 500,000 | 3,00 $ |
| Une lecture complète de contexte à 262K tokens | 262,144 | 16,384 | 0,164 $ |
La dernière ligne est celle à intérioriser : remplir toute la fenêtre de contexte et générer la réponse maximale de 16,384 tokens coûte environ seize cents. Injecter un manuscrit entier, une transcription de session ou un jeu de documents en un seul appel cesse d'être une décision budgétaire et devient une décision de latence. La même arithmétique porte l'autre cas d'usage du prix plancher — le volume : classification par lots, réécriture en masse, dialogue synthétique, premier jet qu'un modèle plus fort affinera ensuite. Voir la page des tarifs et l'index de recherche.
06Ce que « sans censure » veut dire ici
Cela veut dire ce que cela dit : aucune couche de refus et aucun filtrage de contenu en sortie. Aucun classifieur ne s'interpose entre le modèle et votre réponse pour décider si vous aviez le droit de poser la question ; le modèle répond dans le registre que vous avez demandé et ne vous fait pas d'abord la leçon sur la prémisse.
Pour le travail créatif, c'est la différence entre un outil utilisable et un outil inutilisable. La fiction contient des antagonistes menaçants, des personnages qui mentent de façon convaincante, de la violence avec des conséquences, des narrateurs moralement compromis — un modèle qui sort du personnage pour ajouter un avertissement a échoué à la tâche, il n'a pas réussi une mission de sécurité. Il en va de même pour la recherche en sécurité, la documentation red team, la rédaction médicale et juridique, et la traduction lorsque la source est crue : autant de catégories où un refus est simplement une mauvaise réponse. Ce que cela ne veut pas dire, c'est que le jugement cesse d'être le vôtre — vous restez responsable de ce que vous générez, dans le cadre de notre politique d'utilisation responsable et du droit applicable.
07Comment appeler l'API Laguna sans censure
Trois dialectes, un seul modèle : /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Le streaming fonctionne sur les trois, si bien qu'une intégration existante migre en changeant une URL de base et un identifiant de modèle — pas de changement de SDK, pas de réécriture de votre gestion des messages.
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"
}
Quelques notes pratiques :
- N'envoyez pas
response_formatnijson_schemaà cet identifiant de modèle — si votre bibliothèque cliente en définit un par défaut, désactivez-le ou passez à un modèle voisin qui le prend en charge. - Les outils vont dans le tableau
toolshabituel — l'appel d'outils est entièrement pris en charge ; seule l'imposition d'un schéma sur le texte libre ne l'est pas. - Budgétez votre raisonnement.
reasoning_effortest honoré — faible ou désactivé, il maintient la latence conversationnelle basse et les tokens de sortie bon marché ; augmentez-le pour le travail d'outils multi-étapes, où l'écart de benchmark ci-dessus montre ce qu'il rapporte. - Le plafond de sortie est de 16,384 tokens par requête. Pour une génération de la longueur d'un livre, découpez en chapitres et diffusez en streaming.
- Texte uniquement. Pas d'entrée d'images sur cet identifiant de modèle — utilisez MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 ou inkling pour la vision.
Référence complète des paramètres, authentification, sémantique des erreurs et bac à sable interactif : documentation de l'API.
08Quand le choisir, et quand ne pas le choisir
Choisissez-le quand votre sortie est de la prose, du dialogue ou du code lu par un humain ; que vous avez besoin de l'appel d'outils mais pas de texte contraint par un schéma ; que le coût par token prime sur un contexte long ; ou que vous voulez un second avis venu d'une lignée autre que les familles DeepSeek, Kimi et MiMo qui remplissent le reste du catalogue.
Choisissez autre chose quand il vous faut du JSON garanti (MiMo-V2.5-Pro), la compréhension d'images (Kimi-K2.6 ou MiMo-V2.5), ou l'extrémité frontière de la difficulté, là où l'écart de prix ne pèse rien face au fait d'obtenir la bonne réponse (DeepSeek-V4-Pro, Kimi-K3).
json_schema et response_format. Lisez la fiche de modèle MiMo-V2.5, ou parcourez les douze dans l'index de recherche.
Chaque affirmation architecturale et chaque chiffre de benchmark présentés ici proviennent de l'éditeur du modèle ou des auteurs des méthodes de compression. Vérifiez-les vous-même.
09Questions fréquentes
Qu'est-ce que l'API Laguna sans censure ?
C'est Laguna S 2.1, le modèle à poids ouverts de Poolside — 118 milliards de paramètres, dont environ 8 milliards actifs par token — servi sur le cluster GPU de Shannon, sans couche de refus ni filtrage de sortie. L'identifiant de modèle est Laguna-S-2.1-W4A16-AUTOROUND-REAP, la fenêtre de contexte est de 262,144 tokens, et il coûte 0,50 $ par million de tokens d'entrée et 2,00 $ par million de tokens de sortie.
Laguna S 2.1 prend-il en charge json_schema ou response_format sur Shannon AI ?
Non. C'est le seul modèle du catalogue Shannon qui n'accepte ni l'un ni l'autre. L'appel d'outils et le streaming fonctionnent normalement, et les arguments d'appel d'outils arrivent toujours en JSON, mais aucun schéma n'est imposé côté serveur sur le texte produit par l'assistant. Pour du JSON garanti au même prix de 0,50 $ / 2,00 $, utilisez MiMo-V2.5-Pro (W8A16).
Que signifie W4A16-AUTOROUND-REAP ?
W4A16 signifie que les poids sont stockés sur 4 bits tandis que les activations restent sur 16 bits. AutoRound est la méthode de quantification post-entraînement d'Intel, qui utilise une descente de gradient signée pour apprendre les décisions d'arrondi et d'écrêtage au lieu d'arrondir à la valeur la plus proche. REAP, pour Router-weighted Expert Activation Pruning, vient de Cerebras Research et supprime d'un modèle Mixture-of-Experts les experts rarement et faiblement routés avant la quantification, plutôt que de les fusionner.
Laguna S 2.1 est-il bon pour l'écriture créative et la conversation ?
C'est un modèle conversationnel uniquement textuel — pas d'entrée d'images — et il tient une prose longue, cohérente et fidèle au personnage sur une fenêtre de 262K, sans couche de refus en travers. Le palmarès publié par Poolside porte sur le codage agentique, pas sur la prose : testez donc la qualité créative sur vos propres prompts plutôt que de vous fier à un classement.
Combien coûte l'API Laguna sans censure ?
0,50 $ par million de tokens d'entrée et 2,00 $ par million de tokens de sortie — le prix plancher de la passerelle Shannon AI, partagé avec MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro et Hy3. Une conversation de 100,000 tokens qui produit 2,000 tokens de réponse coûte environ 5,4 cents.
Essayez l'API Laguna sans censure
MoE 118B · 262K de contexte · outils et streaming · 0,50 $ / 2,00 $ par 1M de tokens.
Lire la documentation de l'API Commencer à discuterAucune couche de refus · aucun filtrage de sortie · votre jugement, votre responsabilité
Sources : Poolside — fiche de modèle Laguna S 2.1 · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Les chiffres d'architecture et de benchmark sont rapportés par l'éditeur pour la version non quantifiée, et non mesurés sur la version que nous servons. Shannon AI est exploité par Shannon Lab LLC, Nouveau-Mexique, États-Unis.