Цензурасыз Laguna API

«Арзан модель» деген беттердің көбі төмен санның орнына кішкентай, шаршаған негізді қабылдауыңызды сұрайды. Бұл бет ондай емес. Laguna S 2.1 — 4,096 H200-де оқытылып, тоғыз аптадан аз уақытта шығарылған қазіргі буындағы сирек Mixture-of-Experts шығарылымы, әрі ол біз ұсынатын бастапқы деңгейдегі кез келген басқа модельмен бірдей $0.50 / $2.00 еденінде тұр. Айырбас тар әрі оны пайымдау оңай: сервер міндеттейтін құрылымдалған шығыстан бас тартып, қалғанының бәрін сақтайсыз.

01Laguna S 2.1 деген не?

Laguna S 2.1 — Poolside компаниясы 2026 жылғы 21 шілдеде еркін OpenMDW-1.1 лицензиясымен шығарған ашық салмақты модель — Laguna отбасының орта өлшемді мүшесі, Laguna XS 2.1 (33B/3B белсенді) мен Laguna M.1 (225B/23B белсенді) арасында.

Жарияланған архитектура — 256 бағдарланатын сарапшы плюс бір ортақ сарапшы үстінен softplus қақпалауымен жұмыс істейтін токен таңдайтын маршрутизатор, токенге оны онауы таңдалады, барлығы 48 қабат — он екеуі жаһандық зейінді, отыз алтауы 512 токендік терезедегі жылжымалы терезелі, ал бұл кезектесу өте ұзын кірістердің зейін құнын квадраттық емес, сызықтыға жуық ұстайды. Зейін — топталған сұранысты, 8 кілт-мән басы бар, бас өлшемі 128.

API тұтынушысы үшін екі салдардың маңызы бар. Сирек белсендіру — 118B модельдің еден бағасында тұра алуының себебі: токенге тек ~8B параметр жұмыс істейді, сондықтан токенге шаққандағы есептеу параметр саны меңзегеннен гөрі шағын тығыз модельге жақынырақ. Ал жылжымалы терезенің кезектесуі — ұзын терезенің шартты емес, шынымен пайдалануға жарамды болуының себебі. Poolside шығарылымы 1,048,576 токенді қолдайды; біз 262,144 ұсынамыз — шлюздегі әр басқа модельмен бірдей.

02Жалғыз ескертпе: құрылымдалған шығыс жоқ

Не жұмыс істей береді. Құралдарды шақыру толық қолдау табады, ал құрал шақыру аргументтері мұндағы кез келген басқа модельдегідей JSON нысаны түрінде келе береді. Егер қосымшаңыздағы «құрылымдалған шығыс» шын мәнінде құрал аргументтері болса — агент жақтауларының, MCP серверлерінің және дерекқор фронтендтерінің көбінде солай — Laguna S 2.1 сізге әбден жарайды. Ағынды беру үш диалектте де жұмыс істейді; reasoning_effort жұмыс істейді.

Не жұмыс істемейді. Эндпоинтке JSON схемасын беріп, көмекшінің мәтіндік жауабы соған сай келетініне кепілдік ала алмайсыз, ал response_format: {"type": "json_object"} сізге ештеңе бермейді. JSON сұрап промпттау әдетте JSON береді — бұл — қабілетті модель — бірақ «әдетте» дегеніміз келісімшарт емес. Poolside-тың өзі терең кіріктірілген құрал шақыруларындағы қате JSON экрандауын белгілі шектеу ретінде құжаттайды, ал бұл — тізіміміздің басқа жерінде бар кепілдіктің модельдің жақсы ниетінен емес, ұсыну қабатынан келетінін еске салады.

Оның орнына қай бауырласын алу керек

Жүктемеңізге кепілді JSON керек болса, бұл модельмен күреспеңіз — модель идентификаторын ауыстырыңыз. Дәл сол $0.50 / $2.00 бағасында json_schema мен response_format-ты толық қолдайтын төрт бауырласы тұр:

Модель идентификаторы	json_schema	Көру	Оны неге таңдайсыз
MiMo-V2.5-Pro-W8A16	Иә	Жоқ	Тікелей алмастырма — 8-биттік салмақтар, дәлдігі ең жоғары деңгей, бірдей баға
MiMo-V2.5-W8A16	Иә	Иә	Дәл сол, оған қоса сурет кірісі
Hy3-W8A16	Иә	Жоқ	Еден бағасындағы тағы бір 8-биттік мәтіндік модель
DeepSeek-V4-Flash-0731	Иә	Жоқ	Laguna сияқты W4A16-AutoRound-REAP, бірақ схема қолдауы бүтін

Табиғи әдепкі таңдау — MiMo-V2.5-Pro (W8A16): тек мәтіндік, еден бағасында, біз жүргізетін ең жұмсақ деңгейде кванттаудан өткен — толығырақ MiMo-V2.5 модель картасында. Он екі модельдің бәрі эндпоинттерді, контекст терезесін және шығыс шегін бөлісетіндіктен, ауысу — model өрісіндегі бір жолдық өзгеріс.

03W4A16-AUTOROUND-REAP нені білдіреді?

Модель идентификаторындағы жұрнақ — әшекей емес: ол салмақтардың GPU кластерімізге жүктелер алдында дәл қалай қысылғанын айтады. Үш бөлік.

W4A16 — 4-биттік салмақтар, 16-биттік активациялар

Салмақтар 4 битте сақталады; активациялар — шығару кезінде қабаттар арасында ағып жүретін мәндер — 16-да қалады. Салмақтарды BF16 көлемінің төрттен біріне қысу — 118B модельдің сыюына әрі жылдам қалуына мүмкіндік беретін нәрсе, ал активацияларды кең ұстау алға өтудің сан жағынан сезімтал бөлігін қорғайды. Үлкені мен қозғалмайтынын қысыңыз, кішісі мен өзгермелісіне тимеңіз.

AutoRound — ең жақынға емес, үйренілген дөңгелектеу

Кванттаудың қарапайым жолы — ең жақынға дөңгелектеу: әр салмақты ең жақын 4-биттік мәнге ілу де, қатені қабылдау. Intel-дің ашық кванттау жинағы AutoRound одан жақсырақ істейді — оның SignRound әдісі бірнеше жүз қадам бойы дөңгелектеу шешімдері мен кесу ауқымдарын бірге оңтайландыру үшін таңбалы градиенттік түсуді қолданады әрі әр салмақ үшін жоғары не төмен дөңгелектеудің қайсысы қабаттың нақты шығысына азырақ зиян тигізетінін шешеді. Ол идеяны кванттауды ескеретін оқытудан алады, бірақ қайта оқыту құнынсыз, әрі W4A16 құрамасының шығынды қызық емес, шындап санауға тұрарлық модель бола алуының себебі де осы.

REAP — сарапшыларды біріктірмей, кесу

REAP — Cerebras Research жариялаған Router-weighted Expert Activation Pruning. MoE модельде сарапшылардың бәрі бірдей жұмыс тартпайды: маршрутизатор кейбіріне аз токен жібереді, ал кейбірі іске қосылғанда да шамасы жағынан аз үлес қосады. REAP әр сарапшыны екі белгі бойынша — маршрутизатор қақпасының мәндері мен сарапшы активациясының нормалары — бағалайды да, маңыздылығы төмендерін кванттауға дейін бір рет алып тастайды. Ең бастысы, ол біріктірмейді, кеседі: біріктіру бірнеше сарапшыны біреуге жинап, маршрутизатордың ұсақ түйіршікті, кіріске тәуелді бақылауын құртады әрі ешбір баптау жоймайтын қате еденін енгізеді (авторлар оны функционалдық ішкі кеңістіктің құлауы деп атайды), ал кесу аман қалғандарды да, маршрутизатордың оларға билігін де бүтін қалдырады. Cerebras триллион параметрлі модельдерден сарапшылардың 50%-ына дейінін алып тастап, бастапқы сапаны негізінен ұстап тұрғанын хабарлайды — 480B код моделінде 50% кесуде агенттік емес код жазу қабілетінің 97.6%-ы, ал агенттік SWE-Bench-те 96.7%-ы. Бұл — Cerebras-тың өз модельдері үшін берген сандары, біздің құрамамыздың өлшемдері емес, бірақ біз бұл жинақты негізгі күші код болатын негізде жүргізуіміздің себебі де сол.

Жиынтығында жұрнақ бір сөйлем болып оқылады: әрең қолданылатын сарапшыларды кес, 4-биттік дөңгелектеуді жорамалдама, үйрен, ал активацияларды толық енінде қалдыр.

04Бұл модель шын мәнінде неде жақсы?

Алдымен адалдық: Laguna S 2.1 — тек мәтіндік әңгімелесу моделі — бұл модель идентификаторында сурет кірісі жоқ — әрі Poolside оны прозаға емес, агенттік код жазуға және ұзақ көкжиекті жұмысқа құрған. Кейінгі оқыту 409,000-нан астам ортада жүрді, оның ішінде 83,000 терминалдық және 168,000 бағдарламалық инженерия тапсырмасы, ал бекіту оқытуы FP8-де өтті. Poolside-тың кванттаудан өтпеген шығарылым үшін хабарлаған нәтижелері:

Бенчмарк	Ойлаумен	Ойлаусыз	Нені өлшейді
SWE-Bench Multilingual	78.5%	—	Көп тілдегі нақты қате түзетулері
Terminal-Bench 2.1	70.2%	60.4%	Көп қадамды қабықша және құрал жұмысы
SWE-Bench Pro	59.4%	—	Қиынырақ, ластануға төзімді репозиторий тапсырмалары
Toolathlon Verified	49.7%	—	Көптеген API бойынша құрал пайдалану кеңдігі
SWE Atlas	46.2%	—	Ұзақ көкжиекті репозиторийде бағдарлау
DeepSWE v1.1	40.4%	16.5%	Агенттік бағдарламалық инженерия

Мұндағы ең қолданбалы сан — екі бағанның арасындағы алшақтық: DeepSWE-де пайымдау қосылғанда ұпай екі еседен астам өседі, ал Terminal-Bench-те он ұпайға жуық ұтады.

Кванттаудан өтпеген Laguna S 2.1 шығарылымы үшін Poolside хабарлаған көрсеткіштер, 2026 жылғы шілде. Олар біздің W4A16-AutoRound-REAP құрамамыздың өлшемдері емес әрі біз ол үшін өз бенчмарк сандарымызды жарияламаймыз. Біздің API-да ойлау бюджетін басқару үшін reasoning_effort қолданыңыз.

Әңгімелесу және шығармашылық жұмыс бойынша адал ұстаным мынадай: ұзақ агенттік жүрістердің артындағы қасиеттер — көп күйді байланысты ұстау, тапсырмадан алаңдамау, ауытқымау — ұзын форматтағы кейіпкер жұмысының да артындағы қасиеттер, әрі іс жүзінде ол өте ұзын терезе бойы дауысты жақсы сақтайды. Мұны айтатын жарияланған бенчмарк жоқ, ал біз оны ойдан шығармаймыз. Оны өз промпттарыңызда сынаңыз; миллион кіріс токеніне $0.50 бағасында бұл тегін дерлік.

05Еден бағасы шын мәнінде не әперді?

Миллион токенге $0.50 кіріс / $2.00 шығыс — Shannon AI шлюзіндегі бастапқы деңгей, оны MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro және Hy3 бөліседі. Нақтырақ айтқанда:

Жүктеме	Кіріс	Шығыс	Құны
100K тарихы бар бір чат айналымы	100,000	2,000	$0.054
Ұзын нұсқаудан жазылған 5,000 сөздік тарау	30,000	7,000	$0.029
1,000 қысқа әңгіме айналымы	4,000,000	500,000	$3.00
Толық 262K токендік контексті оқу	262,144	16,384	$0.164

Бойға сіңіретін жол — соңғысы: бүкіл контекст терезесін толтырып, ең үлкен 16,384 токендік жауапты жасау шамамен он алты центке түседі. Тұтас қолжазбаны, сеанс транскриптін немесе құжаттар жиынын бір шақыруға беру бюджет шешімі болудан қалып, кідіріс шешіміне айналады. Дәл сол арифметика еден бағасының екінші қолданысын да қозғайды — көлемді: топтық сыныптау, көлемді қайта жазу, синтетикалық диалог, күштірек модель кейін жетілдіретін бірінші жоба. Баға бетін және зерттеу индексін қараңыз.

06Мұндағы «цензурасыз» нені білдіреді

Ол айтқанын білдіреді: бас тарту қабаты жоқ әрі шығысқа мазмұн сүзгісі қолданылмайды. Модель мен жауабыңыздың арасында сұрауға рұқсатыңыз бар-жоғын шешетін классификатор тұрмайды; модель сіз сұраған регистрде жауап береді әрі алдымен алғышарт туралы уағыз айтпайды.

Шығармашылық жұмыс үшін бұл — жарамды құрал мен жарамсыз құралдың арасындағы айырма. Көркем шығармада қатерлі антагонистер, сенімді өтірік айтатын кейіпкерлер, салдары бар зорлық-зомбылық, адамгершілігі күмәнді баяндаушылар кездеседі — ал рөлден шығып, ескертпе жапсыратын модель қауіпсіздікте жеңген жоқ, тапсырманы орындай алмаған. Дәл сол қауіпсіздік зерттеулеріне, қызыл команда құжаттамасына, медициналық және құқықтық жобаларға әрі дереккөзі ашық жазылған аудармаға да қатысты: бас тарту жай ғана қате жауап болатын санаттар. Ал бұл сот-шешім енді сізде емес дегенді білдірмейді — жасаған нәрсеңізге Жауапты пайдалану саясатымыз және қолданылатын заң аясында жауапты боласыз.

07Цензурасыз Laguna API-ды қалай шақыру керек

Үш диалект, бір модель: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Ағынды беру үшеуінде де жұмыс істейді, сондықтан бар интеграция базалық URL мен модель идентификаторын өзгерткенде көшеді — SDK ауыстырудың да, хабарлама өңдеуіңізді қайта жазудың да қажеті жоқ.

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"
}

Бірнеше практикалық ескертпе:

• Бұл модель идентификаторына response_format немесе json_schema жібермеңіз — клиент кітапханаңыз оны әдепкі бойынша қоятын болса, оны алып тастаңыз немесе қолдайтын бауырласына көшіңіз.
• Құралдар әдеттегі tools массивіне барады — құралдарды шақыру толық қолдау табады; тек еркін мәтінге схема міндеттеу жоқ.
• Пайымдауыңызды бюджеттеңіз. reasoning_effort ескеріледі — төмен немесе өшірулі күйі әңгіме кідірісін қысқа, шығыс токендерін арзан ұстайды; көп қадамды құрал жұмысында оны көтеріңіз, ал жоғарыдағы бенчмарк алшақтығы оның не әперетінін көрсетеді.
• Шығыс шегі — сұранысына 16,384 токен. Кітап көлеміндегі мәтін үшін оны тарауларға бөліп, ағынмен беріңіз.
• Тек мәтін. Бұл модель идентификаторында сурет кірісі жоқ — көру үшін MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 немесе inkling қолданыңыз.

Параметрлердің толық анықтамасы, аутентификация, қате семантикасы және тірі ойын алаңы: API құжаттамасы.

08Оны қашан таңдау керек, қашан керек емес

Мына жағдайларда таңдаңыз: шығысыңыз — адам оқитын проза, диалог немесе код; құралдарды шақыру керек, бірақ мәтінге схема міндеттеу керек емес; ұзын контекстте токенге шаққандағы құн басым; немесе тізімнің қалғанын толтыратын DeepSeek, Kimi және MiMo отбасыларынан бөлек тектен екінші пікір алғыңыз келеді.

Мына жағдайларда басқасын таңдаңыз: кепілді JSON керек (MiMo-V2.5-Pro), суретті түсіну керек (Kimi-K2.6 немесе MiMo-V2.5), не болмаса жауапты дұрыс алудың қасында баға айырмасының маңызы жоқ фронтир қиындығы керек (DeepSeek-V4-Pro, Kimi-K3).

09Жиі қойылатын сұрақтар

---

Дереккөздер: Poolside — Laguna S 2.1 модель картасы · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Архитектура мен бенчмарк көрсеткіштерін жариялаушы кванттаудан өтпеген шығарылым үшін хабарлаған, олар біз ұсынатын құраманың өлшемдері емес. Shannon AI-ды Shannon Lab LLC (Нью-Мексико, АҚШ) басқарады.