Óritskoðað Laguna API

Flestar síður um „ódýrt líkan“ biðja þig um að sætta þig við lítið og þreytt grunnlíkan í skiptum fyrir lága tölu. Þessi gerir það ekki. Laguna S 2.1 er strjál Mixture-of-Experts útgáfa af núverandi kynslóð, þjálfuð á 4.096 H200 kortum og send frá sér á innan við níu vikum, og hún situr á sama $0.50 / $2.00 gólfi og öll önnur inngangslíkön sem við keyrum. Skiptin eru þröng og auðvelt að rökræða þau: þú gefur eftir skipulagt úttak knúið af netþjóni og heldur öllu öðru.

01Hvað er Laguna S 2.1?

Laguna S 2.1 er líkan með opnum þyngdum gefið út af Poolside þann 21. júlí 2026 undir frjálslynda OpenMDW-1.1 leyfinu — miðlungsstóri meðlimur Laguna-fjölskyldunnar, á milli Laguna XS 2.1 (33B/3B virkar) og Laguna M.1 (225B/23B virkar).

Birta byggingarlagið er beinir sem velur á táknstigi með softplus-hliðum yfir 256 beinda sérfræðinga auk eins sameiginlegs, tíu valda á hvert tákn, yfir 48 lög — tólf með heildarathygli, þrjátíu og sex með rennigluggaathygli við 512 tákna glugga, flétta sem heldur athyglikostnaði mjög langs inntaks nálægt línulegum í stað þess að vera í öðru veldi. Athyglin er hópfyrirspurnaathygli með 8 lykil-gildishausum við hausvídd 128.

Tvær afleiðingar skipta máli fyrir API-notanda. Strjála virkjunin er ástæðan fyrir því að 118B líkan getur setið á gólfverðinu — aðeins um 8B færibreytur vinna á hvert tákn, svo reikningurinn á hvert tákn er nær litlu þéttu líkani en færibreytufjöldinn gefur til kynna. Og rennigluggafléttan er ástæðan fyrir því að langi glugginn er raunverulega nothæfur frekar en til málamynda. Útgáfa Poolside styður 1.048.576 tákn; við keyrum 262,144, í samræmi við öll önnur líkön á gáttinni.

02Eini fyrirvarinn: ekkert skipulagt úttak

Það sem virkar samt. Verkfærakall er að fullu stutt, og viðföng verkfærakalla koma áfram sem JSON-hlutur nákvæmlega eins og á hverju öðru líkani hér. Ef „skipulagt úttak“ í forritinu þínu er í raun viðföng verkfæra — sem á við um flestar gerendaumgjarðir, MCP-þjóna og gagnagrunnsviðmót — þjónar Laguna S 2.1 þér ágætlega. Streymi virkar á öllum þremur mállýskum; reasoning_effort virkar.

Það sem virkar ekki. Þú getur ekki rétt endapunktinum JSON-skema og fengið tryggingu fyrir því að textasvar aðstoðarmannsins standist það, og response_format: {"type": "json_object"} kaupir þér ekkert. Að biðja um JSON í fyrirmælunum framleiðir yfirleitt JSON — þetta er hæft líkan — en „yfirleitt“ er ekki samningur. Poolside sjálft skjalfestir ranga JSON-vörpun í djúpt hreiðruðum verkfæraköllum sem þekkta takmörkun, áminning um að tryggingin, þar sem hún er til annars staðar í línunni okkar, kemur frá keyrslulaginu frekar en frá góðum ásetningi líkansins.

Hvaða systkini á að nota í staðinn

Ef vinnuálagið þitt þarf tryggt JSON skaltu ekki berjast við þetta líkan — skiptu um líkanaauðkenni. Fjögur systkini sitja á nákvæmlega sama $0.50 / $2.00 verði með fullum stuðningi við json_schema og response_format:

Líkanaauðkenni	json_schema	Sjón	Hvers vegna þú myndir velja það
MiMo-V2.5-Pro-W8A16	Já	Nei	Beina skiptin — 8 bita þyngdir, þrepið með mestri trúmennsku, sama verð
MiMo-V2.5-W8A16	Já	Já	Það sama, auk myndinntaks
Hy3-W8A16	Já	Nei	Annað 8 bita textalíkan á gólfverðinu
DeepSeek-V4-Flash-0731	Já	Nei	W4A16-AutoRound-REAP eins og Laguna, með skemastuðning ósnertan

Eðlilega sjálfgefna valið er MiMo-V2.5-Pro (W8A16): aðeins texti, á gólfverði, þjappað á mildasta þrepinu sem við keyrum — nánar á líkanaspjaldi MiMo-V2.5. Þar sem öll tólf líkönin deila endapunktum, samhengisglugga og úttaksþaki eru skiptin einnar línu breyting á model reitnum.

03Hvað þýðir W4A16-AUTOROUND-REAP?

Viðskeytið á líkanaauðkenninu er ekki skraut — það segir nákvæmlega hvernig þyngdirnar voru þjappaðar áður en þær voru hlaðnar á GPU-klasann okkar. Þrír hlutar.

W4A16 — 4 bita þyngdir, 16 bita virkjanir

Þyngdir eru geymdar á 4 bitum; virkjanir — gildin sem flæða milli laga við ályktun — haldast á 16. Að skera þyngdir niður í fjórðung af BF16 fótsporinu er það sem lætur 118B líkan komast fyrir og haldast hratt, á meðan það að halda virkjunum breiðum verndar tölulega viðkvæma hluta umferðarinnar fram á við. Þjappaðu því sem er stórt og kyrrstætt, láttu það sem er lítið og kvikt í friði.

AutoRound — lærð námundun, ekki námundun að næsta gildi

Einfalda leiðin til að þjappa er námundun að næsta gildi: smelltu hverri þyngd að næsta 4 bita gildi og sættu þig við villuna. AutoRound, opna eftirþjálfunarþjöppunarsafn Intel, gerir betur — SignRound aðferð þess notar formerkt stigulsfall til að besta í sameiningu námundunarákvarðanir og klippisvið yfir nokkur hundruð skref, og ákveður fyrir hverja þyngd hvort það skaði úttak lagsins minna að námunda upp eða niður. Hún fær hugmyndina að láni úr þjálfun sem tekur mið af þjöppun án kostnaðarins við endurþjálfun, og hún er ástæðan fyrir því að W4A16 smíð getur verið alvarlegt líkan frekar en tapfullt forvitnisefni.

REAP — að grisja sérfræðinga í stað þess að steypa þeim saman

REAP er Router-weighted Expert Activation Pruning, birt af Cerebras Research. Í MoE-líkani draga ekki allir sérfræðingar sinn vagn: beinirinn sendir fá tákn til sumra, og sumir leggja lítið til í stærð þegar þeir kvikna. REAP gefur hverjum sérfræðingi einkunn eftir báðum merkjum — hliðgildum beinisins og virkjunarstöðlum sérfræðingsins — og fjarlægir þá ómerkilegu í einu skoti, áður en þjappað er. Það sem skiptir sköpum er að hún grisjar frekar en að steypa saman: samsteypa fellir nokkra sérfræðinga í einn, eyðileggur fínkorna, inntaksháða stýringu beinisins og innleiðir villugólf sem engin stilling fjarlægir (höfundarnir kalla það hrun starfrænna undirrúma), á meðan grisjun skilur eftir þá sem lifa af og stýringu beinisins yfir þeim ósnerta. Cerebras greinir frá því að hafa fjarlægt allt að 50% sérfræðinga úr líkönum með billjón færibreyta og haldið að mestu grunngæðum — á 480B forritunarlíkani við 50% grisjun héldust 97,6% af grunngetu í forritun án gerenda og 96,7% á gerendaverkefnum í SWE-Bench. Þetta eru tölur Cerebras fyrir þeirra eigin líkön, ekki mælingar á okkar smíð, en þær eru ástæðan fyrir því að við keyrum þennan stafla á grunnlíkani þar sem helsti styrkurinn er kóði.

Saman lesast viðskeytin sem ein setning: grisjaðu sérfræðingana sem varla voru notaðir, lærðu 4 bita námundunina í stað þess að giska á hana, haltu virkjunum á fullri breidd.

04Í hverju er þetta líkan raunverulega gott?

Heiðarleikinn fyrst: Laguna S 2.1 er samtalslíkan sem vinnur aðeins með texta — ekkert myndinntak á þessu líkanaauðkenni — og Poolside byggði það fyrir gerendaforritun og vinnu yfir langan tíma, ekki fyrir texta. Eftirþjálfun keyrði yfir 409.000 umhverfi, þar á meðal 83.000 skipanalínuverkefni og 168.000 hugbúnaðarverkfræðiverkefni, með styrkingarnámi í FP8. Birtar niðurstöður Poolside fyrir óþjöppuðu útgáfuna:

Viðmið	Með hugsun	Án hugsunar	Hvað það mælir
SWE-Bench Multilingual	78.5%	—	Raunverulegar villuleiðréttingar á mörgum tungumálum
Terminal-Bench 2.1	70.2%	60.4%	Margþrepa vinna í skel og verkfærum
SWE-Bench Pro	59.4%	—	Erfiðari kóðasafnsverkefni sem standast mengun
Toolathlon Verified	49.7%	—	Breidd í notkun verkfæra yfir mörg API
SWE Atlas	46.2%	—	Rötun um kóðasafn yfir langan tíma
DeepSWE v1.1	40.4%	16.5%	Gerendamiðuð hugbúnaðarverkfræði

Bilið milli dálkanna tveggja er nothæfasta talan hér: á DeepSWE meira en tvöfaldast einkunnin þegar kveikt er á rökhugsun, og á Terminal-Bench hækkar hún um tæp tíu stig.

Tölur frá Poolside fyrir óþjöppuðu Laguna S 2.1 útgáfuna, júlí 2026. Þær eru ekki mælingar á okkar W4A16-AutoRound-REAP smíð, og við birtum engar eigin viðmiðatölur fyrir hana. Notaðu reasoning_effort til að stýra hugsunarheimildinni á API-inu okkar.

Fyrir samtöl og skapandi vinnu er heiðarlega afstaðan þessi: eiginleikarnir á bak við langar gerendakeyrslur — að halda mikilli stöðu samhangandi, að haldast við efnið, að reka ekki — eru þeir sömu og liggja á bak við langa persónusköpun, og í reynd heldur það rödd vel yfir mjög langan glugga. Ekkert birt viðmið segir það, og við ætlum ekki að finna upp eitt. Prófaðu það á þínum eigin fyrirmælum; á $0.50 á hverja milljón inntakstákna er það nánast ókeypis.

05Hvað kaupir gólfverðið í raun?

$0.50 inn / $2.00 út á hverja milljón tákna er inngangsþrepið á Shannon AI gáttinni, deilt með MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro og Hy3. Áþreifanlega:

Vinnuálag	Inntak	Úttak	Kostnaður
Ein spjallumferð með 100K af sögu	100,000	2,000	$0.054
5.000 orða kafli úr löngum ramma	30,000	7,000	$0.029
1.000 stuttar samtalsumferðir	4,000,000	500,000	$3.00
Fullur lestur á 262K tákna samhengi	262,144	16,384	$0.164

Síðasta línan er sú sem á að tileinka sér: að fylla allan samhengisgluggann og framleiða hámarkssvarið upp á 16,384 tákn kostar um sextán sent. Að mata heilu handriti, lotuafriti eða skjalasafni inn í eitt kall hættir að vera fjárhagsákvörðun og verður svartímaákvörðun. Sami reikningur knýr hitt notkunartilvikið á gólfverði — magn: flokkun í lotum, fjöldaendurskrif, gervisamtöl, fyrstu drög sem sterkara líkan fínpússar síðar. Sjá verðsíðuna og rannsóknaryfirlitið.

06Hvað „óritskoðað“ þýðir hér

Það þýðir það sem það segir: ekkert neitunarlag og engin efnissíun á úttaki. Enginn flokkari situr milli líkansins og svarsins þíns og ákveður hvort þú hafir mátt spyrja; líkanið svarar í þeim tón sem þú baðst um og heldur ekki fyrirlestur yfir þér um forsenduna fyrst.

Fyrir skapandi vinnu er það munurinn á nothæfu verkfæri og ónothæfu. Skáldskapur inniheldur ógnandi andstæðinga, persónur sem ljúga sannfærandi, ofbeldi með afleiðingum, siðferðilega brenglaða sögumenn — líkan sem brýtur persónu til að bæta við fyrirvara hefur mistekist verkið, ekki tekist öryggið. Það sama á við um öryggisrannsóknir, skjölun rauðra teyma, læknisfræðileg og lagaleg drög, og þýðingar þar sem frumtextinn er berorður: flokkar þar sem neitun er einfaldlega rangt svar. Það sem það þýðir ekki er að dómgreindin hætti að vera þín — þú berð áfram ábyrgð á því sem þú býrð til, samkvæmt stefnu okkar um ábyrga notkun og gildandi lögum.

07Hvernig á að kalla á óritskoðaða Laguna API-ið

Þrjár mállýskur, eitt líkan: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Streymi virkar á öllum þremur, svo fyrirliggjandi samþætting flyst yfir með því að breyta grunnslóð og líkanaauðkenni — engin SDK-skipti, engin endurskrif á meðhöndlun skilaboða.

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"
}

Nokkrar hagnýtar athugasemdir:

• Ekki senda response_format eða json_schema á þetta líkanaauðkenni — ef biðlarasafnið þitt setur annað hvort sjálfgefið skaltu taka það af eða færa þig á systkini sem styður það.
• Verkfæri fara í venjulega tools fylkið — verkfærakall er að fullu stutt; það eina sem vantar er að þvinga skema á frjálsan texta.
• Skipuleggðu rökhugsunina. reasoning_effort er virt — lágt eða slökkt heldur svartíma í samtali niðri og úttakstáknum ódýrum; hækkaðu það fyrir margþrepa verkfæravinnu, þar sem viðmiðabilið hér að ofan sýnir hvað það kaupir.
• Úttaksþakið er 16,384 tákn á hverja beiðni. Fyrir framleiðslu í bókarlengd skaltu skipta í kafla og streyma.
• Aðeins texti. Ekkert myndinntak á þessu líkanaauðkenni — notaðu MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 eða inkling fyrir sjón.

Fullt yfirlit yfir færibreytur, auðkenningu, villumerkingar og lifandi leikvöll: API-skjölin.

08Hvenær á að velja það og hvenær ekki

Veldu það þegar úttakið þitt er texti, samtal eða kóði sem manneskja les; þú þarft verkfærakall en ekki texta bundinn við skema; kostnaður á hvert tákn ræður för yfir langt samhengi; eða þú vilt annað álit frá annarri ætt en DeepSeek, Kimi og MiMo fjölskyldunum sem fylla afganginn af línunni.

Veldu eitthvað annað þegar þú þarft tryggt JSON (MiMo-V2.5-Pro), myndskilning (Kimi-K2.6 eða MiMo-V2.5), eða framlínuendann á erfiðleikaskalanum þar sem verðmunurinn skiptir engu máli við hliðina á því að fá svarið rétt (DeepSeek-V4-Pro, Kimi-K3).

09Algengar spurningar

---

Heimildir: Poolside — líkanaspjald Laguna S 2.1 · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Tölur um byggingarlag og viðmið eru frá útgefanda fyrir óþjöppuðu útgáfuna, ekki mælingar á smíðinni sem við keyrum. Shannon AI er rekið af Shannon Lab LLC, Nýju-Mexíkó, Bandaríkjunum.