Laguna API bez cenzure

Većina stranica o „jeftinom modelu” traži da prihvatite malen, umoran temelj u zamjenu za nisku brojku. Ova ne. Laguna S 2.1 je rijetki Mixture-of-Experts izdanja aktualne generacije, treniran na 4.096 H200 kartica i isporučen za manje od devet tjedana, a stoji na istom pragu od 0,50 $ / 2,00 $ kao i svaki drugi model ulazne razine koji poslužujemo. Kompromis je uzak i lako ga je promisliti: odričete se strukturiranog izlaza koji nameće poslužitelj, a zadržavate sve ostalo.

01Što je Laguna S 2.1?

Laguna S 2.1 model je otvorenih težina koji je Poolside objavio 21. srpnja 2026. pod dopuštajućom licencom OpenMDW-1.1 — srednji član Laguna obitelji, između modela Laguna XS 2.1 (33B / 3B aktivnih) i Laguna M.1 (225B / 23B aktivnih).

Objavljena arhitektura je usmjerivač s izborom po tokenu i softplus vratima nad 256 usmjerenih stručnjaka plus jednim dijeljenim, s deset odabranih po tokenu, kroz 48 slojeva — dvanaest s globalnom pažnjom, trideset šest s kliznim prozorom od 512 tokena, isprepletanje koje trošak pažnje za vrlo duge ulaze drži blizu linearnog umjesto kvadratnog. Pažnja je grupirana po upitima, s 8 ključ-vrijednost glava pri dimenziji glave 128.

Dvije su posljedice važne korisniku API-ja. Rijetka aktivacija razlog je zašto model sa 118B može stajati na najnižoj cijeni — po tokenu radi samo oko 8B parametara, pa je računanje po tokenu bliže malom gustom modelu nego što broj parametara sugerira. A isprepletanje kliznog prozora razlog je zašto je dug prozor uistinu upotrebljiv, a ne tek nominalan. Poolsideovo izdanje podržava 1.048.576 tokena; mi poslužujemo 262.144, u skladu sa svakim drugim modelom na pristupniku.

02Jedna ograda: bez strukturiranog izlaza

Što i dalje radi. Pozivanje alata potpuno je podržano, a argumenti poziva alata i dalje stižu kao JSON objekt, jednako kao na bilo kojem drugom modelu ovdje. Ako je „strukturirani izlaz” u vašoj aplikaciji zapravo skup argumenata alata — što vrijedi za većinu agentskih okvira, MCP poslužitelja i sučelja prema bazama podataka — Laguna S 2.1 poslužit će vas dobro. Streaming radi na sva tri dijalekta; reasoning_effort radi.

Što ne radi. Ne možete krajnjoj točki predati JSON shemu i imati jamstvo da će se tekstualni odgovor asistenta prema njoj potvrditi, a response_format: {"type": "json_object"} ne donosi vam ništa. Traženje JSON-a u upitu obično proizvede JSON — ovo je kompetentan model — ali „obično” nije ugovor. Sam Poolside dokumentira neispravno escapiranje JSON-a u duboko ugniježđenim pozivima alata kao poznato ograničenje, što je podsjetnik da jamstvo, ondje gdje ga drugdje u našoj ponudi ima, dolazi od sloja posluživanja, a ne od dobrih namjera modela.

Kojeg srodnika upotrijebiti umjesto njega

Ako vaše opterećenje traži zajamčen JSON, nemojte se boriti s ovim modelom — promijenite id modela. Četiri srodnika 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 odabrali
MiMo-V2.5-Pro-W8A16	Da	Ne	Izravna zamjena — 8-bitne težine, razina najveće vjernosti, ista cijena
MiMo-V2.5-W8A16	Da	Da	Isto, uz ulaz sa slikama
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 je zadani izbor MiMo-V2.5-Pro (W8A16): isključivo tekstualan, po najnižoj cijeni, kvantiziran na najblažoj razini koju pokrećemo — pojedinosti na kartici modela MiMo-V2.5. Budući da svih dvanaest modela dijele krajnje točke, prozor konteksta i strop izlaza, prijelaz je izmjena polja model u jednom retku.

03Što znači W4A16-AUTOROUND-REAP?

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

W4A16 — 4-bitne težine, 16-bitne aktivacije

Težine su pohranjene na 4 bita; aktivacije — vrijednosti koje pri zaključivanju teku između slojeva — ostaju na 16. Rezanje težina na četvrtinu njihova BF16 otiska ono je što modelu sa 118B omogućuje da stane i ostane brz, dok široke aktivacije štite numerički osjetljiv dio prolaza unaprijed. Komprimirajte ono što je veliko i statično, a ostavite na miru ono što je malo i dinamično.

AutoRound — naučeno zaokruživanje, a ne zaokruživanje na najbliže

Naivan način kvantizacije je zaokruživanje na najbliže: prikucajte svaku težinu na najbližu 4-bitnu vrijednost i prihvatite pogrešku. AutoRound, Intelov otvoreni komplet za kvantizaciju nakon treniranja, radi bolje — njegova metoda SignRound koristi predznačeni gradijentni spust kako bi kroz par stotina koraka zajedno optimizirala odluke o zaokruživanju i raspone odsijecanja, odlučujući za svaku težinu čini li zaokruživanje prema gore ili prema dolje manje štete stvarnom izlazu sloja. Ideju posuđuje od treniranja svjesnog kvantizacije bez troška ponovnog treniranja, i zato W4A16 izvedba može biti ozbiljan model, a ne gubitna zanimljivost.

REAP — obrezivanje stručnjaka umjesto stapanja

REAP je Router-weighted Expert Activation Pruning, koji je objavio Cerebras Research. U MoE modelu ne vuku svi stručnjaci svoj dio tereta: nekima usmjerivač šalje malo tokena, a neki, kad se i aktiviraju, doprinose malom magnitudom. REAP svakog stručnjaka ocjenjuje po oba signala — vrijednostima usmjerivačevih vrata i normama aktivacija stručnjaka — te u jednom potezu uklanja one male istaknutosti, prije kvantizacije. Ključno je da obrezuje, a ne stapa: stapanje nekoliko stručnjaka sklapa u jednoga, uništavajući finu, o ulazu ovisnu kontrolu usmjerivača i uvodeći prag pogreške koji nikakvo ugađanje ne uklanja (autori to zovu urušavanjem funkcionalnog podprostora), dok obrezivanje ostavlja preživjele i usmjerivačevu kontrolu nad njima netaknutima. Cerebras izvještava o uklanjanju do 50 % stručnjaka iz modela s bilijun parametara uz uglavnom očuvanu osnovnu kakvoću — na modelu za programiranje od 480B pri 50 % obrezivanja, 97,6 % osnovne neagentske sposobnosti programiranja i 96,7 % na agentskom SWE-Benchu. To su Cerebrasove brojke za njihove vlastite modele, a ne mjerenja naše izvedbe, ali su razlog zašto ovaj sklop pokrećemo na temelju čija je glavna snaga kod.

Zajedno se sufiks čita kao rečenica: obreži stručnjake koji su se jedva koristili, nauči 4-bitno zaokruživanje umjesto da ga pogađaš, a aktivacije zadrži na punoj širini.

04U čemu je ovaj model zapravo dobar?

Najprije poštenje: Laguna S 2.1 isključivo je tekstualan razgovorni model — na ovom id-u modela nema ulaza sa slikama — a Poolside ga je gradio za agentsko programiranje i rad s dugim horizontom, a ne za prozu. Naknadno treniranje išlo je kroz više od 409.000 okruženja, uključujući 83.000 terminalskih i 168.000 softverskoinženjerskih zadataka, s podržanim učenjem u FP8. Poolsideovi prijavljeni rezultati za nekvantizirano izdanje:

Mjerilo	S promišljanjem	Bez promišljanja	Što mjeri
SWE-Bench Multilingual	78.5%	—	Stvarni ispravci grešaka u mnogim jezicima
Terminal-Bench 2.1	70.2%	60.4%	Višekoračni rad s ljuskom i alatima
SWE-Bench Pro	59.4%	—	Teži zadaci u repozitorijima, otporni na kontaminaciju
Toolathlon Verified	49.7%	—	Širina uporabe alata kroz mnogo API-ja
SWE Atlas	46.2%	—	Kretanje repozitorijem s dugim horizontom
DeepSWE v1.1	40.4%	16.5%	Agentsko softversko inženjerstvo

Razlika između dvaju stupaca ovdje je najuporabljiviji podatak: na DeepSWE-u se rezultat više nego udvostručuje kad se uključi promišljanje, a na Terminal-Benchu dobiva gotovo deset bodova.

Brojke koje je Poolside prijavio za nekvantizirano izdanje Laguna S 2.1, srpanj 2026. To nisu mjerenja naše W4A16-AutoRound-REAP izvedbe i za nju ne objavljujemo vlastite brojke s mjerila. Za upravljanje proračunom promišljanja na našem API-ju koristite reasoning_effort.

Za razgovorni i kreativni rad poštena je pozicija ova: svojstva koja stoje iza dugih agentskih izvođenja — suvislo držanje mnogo stanja, ostajanje na zadatku, neodlutavanje — ista su ona koja stoje iza dugotrajnog rada s likom, i u praksi glas drži dobro kroz vrlo dug prozor. To ne tvrdi nijedno objavljeno mjerilo i nećemo ga izmisliti. Isprobajte ga na vlastitim upitima; uz 0,50 $ po milijunu ulaznih tokena to je gotovo besplatno.

05Što najniža cijena zapravo kupuje?

0,50 $ ulaz / 2,00 $ izlaz po milijunu tokena ulazna je razina na Shannon AI pristupniku, koju dijeli s modelima MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro i Hy3. Konkretno:

Opterećenje	Ulaz	Izlaz	Trošak
Jedan potez u razgovoru sa 100K povijesti	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 je redak onaj koji treba usvojiti: punjenje cijelog prozora konteksta i generiranje najvećeg odgovora od 16.384 tokena stoji oko šesnaest centi. Ubacivanje cijelog rukopisa, transkripta sesije ili skupa dokumenata u jedan poziv prestaje biti odluka o proračunu i postaje odluka o latenciji. Ista aritmetika pokreće i drugi slučaj uporabe najniže cijene — obujam: skupnu klasifikaciju, masovno prepisivanje, sintetički dijalog, prvu skicu koju jači model kasnije dotjeruje. Pogledajte stranicu s cijenama i popis istraživanja.

06Što ovdje znači „bez cenzure”

Znači ono što piše: nema sloja odbijanja i nema filtriranja sadržaja na izlazu. Između modela i vašeg odgovora ne sjedi klasifikator koji odlučuje jeste li smjeli pitati; model odgovara u registru koji ste tražili i ne drži vam prije toga predavanje o pretpostavci.

Za kreativan rad to je razlika između upotrebljiva i neupotrebljiva alata. Fikcija sadrži prijeteće protivnike, likove koji uvjerljivo lažu, nasilje s posljedicama, moralno kompromitirane pripovjedače — model koji izlazi iz lika da bi dodao odricanje od odgovornosti nije uspio u sigurnosti, nego je pao na zadatku. Isto vrijedi za sigurnosna istraživanja, dokumentaciju red teama, medicinsko i pravno pisanje te prevođenje gdje je izvornik grub: kategorije u kojima je odbijanje jednostavno pogrešan odgovor. Ono što to ne znači jest da prosudba prestaje biti vaša — i dalje ste odgovorni za ono što generirate, prema našoj politici odgovorne uporabe i mjerodavnom pravu.

07Kako pozvati Laguna API bez cenzure

Tri dijalekta, jedan model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Streaming radi na sva tri, pa se postojeća integracija seli promjenom osnovnog URL-a i id-a modela — bez zamjene SDK-a i 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 postavlja podrazumijevano, isključite ih ili prijeđite na srodnika koji ih podržava.
• Alati idu u uobičajeno polje tools — pozivanje alata potpuno je podržano; nedostaje samo nametanje sheme na slobodan tekst.
• Planirajte proračun promišljanja. reasoning_effort se poštuje — nizak ili isključen drži razgovornu latenciju nisko, a izlazne tokene jeftinima; podignite ga za višekoračni rad s alatima, gdje gornji razmak na mjerilima pokazuje što donosi.
• Strop izlaza je 16.384 tokena po zahtjevu. Za generiranje duljine knjige podijelite ga na poglavlja i streamajte.
• Samo tekst. Na ovom id-u modela nema ulaza sa slikama — za vid uzmite MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 ili inkling.

Potpuni popis parametara, autentifikacija, semantika pogrešaka i živi playground: dokumentacija API-ja.

08Kada ga odabrati, a kada ne

Odaberite ga kad je vaš izlaz proza, dijalog ili kod koji čita čovjek; kad trebate pozivanje alata, ali ne i tekst ograničen shemom; kad trošak po tokenu prevladava nad dugim kontekstom; ili kad želite drugo mišljenje iz podrijetla različitog od DeepSeek, Kimi i MiMo obitelji koje popunjavaju ostatak ponude.

Odaberite nešto drugo kad trebate zajamčen JSON (MiMo-V2.5-Pro), razumijevanje slika (Kimi-K2.6 ili MiMo-V2.5) ili vrhunsku razinu težine gdje je razlika u cijeni nevažna u odnosu na to da odgovor bude točan (DeepSeek-V4-Pro, Kimi-K3).

09Često postavljana pitanja

---

Izvori: Poolside — kartica modela Laguna S 2.1 · Predstavljamo Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Brojke o arhitekturi i mjerilima prijavljuje izdavač za nekvantizirano izdanje i nisu mjerenja izvedbe koju poslužujemo. Shannon AI vodi Shannon Lab LLC, New Mexico, SAD.