API Laguna គ្មានសេនស័រ

ទំព័រ "ម៉ូដែលថោក" ភាគច្រើនស្នើឲ្យអ្នកទទួលយកគ្រឹះតូច និងចាស់ ធៀបនឹងលេខទាប។ មួយនេះមិនមែនទេ។ Laguna S 2.1 ជាការចេញផ្សាយ Mixture-of-Experts រាយប៉ាយជំនាន់បច្ចុប្បន្ន បណ្តុះបណ្តាលលើ H200 4,096 ហើយបញ្ជូនក្នុងរយៈពេលក្រោមប្រាំបួនសប្តាហ៍ ហើយវាស្ថិតនៅកម្រិតជាន់ $0.50 / $2.00 ដូចម៉ូដែលថ្នាក់ចូលផ្សេងទៀតដែលយើងបម្រើ។ ការដូរតូចចង្អៀត និងងាយវែកញែក៖ អ្នកបោះបង់លទ្ធផលមានរចនាសម្ព័ន្ធអនុវត្តដោយម៉ាស៊ីនមេ ហើយរក្សាអ្វីៗផ្សេងទៀត។

01តើ Laguna S 2.1 ជាអ្វី?

Laguna S 2.1 ជាម៉ូដែលទម្ងន់បើកចំហចេញផ្សាយដោយ Poolside នៅ ថ្ងៃទី 21 ខែកក្កដា ឆ្នាំ 2026 ក្រោមអាជ្ញាប័ណ្ណបើកទូលាយ OpenMDW-1.1 — សមាជិកទំហំមធ្យមនៃគ្រួសារ Laguna រវាង Laguna XS 2.1 (33B/3B សកម្ម) និង Laguna M.1 (225B/23B សកម្ម)។

ស្ថាបត្យកម្មដែលបានផ្សព្វផ្សាយជា router ជម្រើសថូខឹនជាមួយច្រកបើក softplus លើ អ្នកជំនាញនាំផ្លូវ 256 បូកនឹងអ្នកជំនាញរួម 1 ជ្រើសរើសដប់ក្នុងមួយថូខឹន កាត់តាម 48 ស្រទាប់ — ដប់ពីរប្រើការយកចិត្តទុកដាក់សកល សាមសិបប្រាំមួយប្រើបង្អួចអូសអង្កាំង 512-ថូខឹន ការឆ្លាស់ដែលរក្សាថ្លៃដើមការយកចិត្តទុកដាក់នៃទិន្នន័យបញ្ចូលវែងណាស់ជិតលីនេអ៊ែរ ជាជាងការេ។ ការយកចិត្តទុកដាក់ជា grouped-query ជាមួយ 8 key-value head នៅវិមាត្រក្បាល 128។

ផលវិបាកពីរសំខាន់សម្រាប់អ្នកប្រើប្រាស់ API។ ការធ្វើសកម្មភាពរាយប៉ាយជាមូលហេតុដែលម៉ូដែល 118B អាចស្ថិតនៅតម្លៃទាបបំផុត — មានតែប្រហែល 8B ប៉ារ៉ាម៉ែត្រធ្វើការក្នុងមួយថូខឹន ដូច្នេះការគណនាក្នុងមួយថូខឹនជិតទៅនឹងម៉ូដែលក្រាស់តូចជាងអ្វីដែលចំនួនប៉ារ៉ាម៉ែត្របង្ហាញ។ ហើយការឆ្លាស់បង្អួចអូសអង្កាំងជាមូលហេតុដែលបង្អួចវែងអាចប្រើប្រាស់បានពិតប្រាកដ ជាជាងគ្រាន់តែជានាម។ ការចេញផ្សាយរបស់ Poolside គាំទ្រ 1,048,576 ថូខឹន យើងបម្រើ 262,144 ត្រូវនឹងម៉ូដែលផ្សេងទៀតគ្រប់រូបនៅលើផ្លូវចូល។

02ការព្រមានតែមួយ៖ គ្មានលទ្ធផលមានរចនាសម្ព័ន្ធ

អ្វីដែលនៅតែដំណើរការ។ ការហៅឧបករណ៍ត្រូវបានគាំទ្រពេញលេញ ហើយអាគុយម៉ង់ការហៅឧបករណ៍នៅតែមកជាវត្ថុ JSON ដូចលើម៉ូដែលផ្សេងទៀតនៅទីនេះបេះបិទ។ បើ "លទ្ធផលមានរចនាសម្ព័ន្ធ" របស់កម្មវិធីរបស់អ្នកពិតជា អាគុយម៉ង់ឧបករណ៍ — ត្រូវនឹងក្របខ័ណ្ឌភ្នាក់ងារភាគច្រើន ម៉ាស៊ីនមេ MCP និងផ្នែកខាងមុខមូលដ្ឋានទិន្នន័យ — Laguna S 2.1 បម្រើអ្នកបានល្អ។ Streaming ដំណើរការនៅលើភាសាទាំងបី reasoning_effort ដំណើរការ។

អ្វីដែលមិនដំណើរការ។ អ្នកមិនអាចប្រគល់ JSON Schema ទៅចំណុចប្រទាក់ ហើយត្រូវបានធានាថាចម្លើយអត្ថបទរបស់ assistant ផ្ទៀងផ្ទាត់ត្រូវនឹងវាទេ ហើយ response_format: {"type": "json_object"} មិនទិញអ្វីឲ្យអ្នកទេ។ ការជម្រុញឲ្យបង្កើត JSON ជាធម្មតាបង្កើត JSON — នេះជាម៉ូដែលមានសមត្ថភាព — ប៉ុន្តែ "ជាធម្មតា" មិនមែនជាកិច្ចសន្យាទេ។ Poolside ខ្លួនឯងចងក្រងឯកសារពីការគេចចេញ JSON មិនត្រឹមត្រូវនៅក្នុងការហៅឧបករណ៍ដែលដាក់ជាន់ជ្រៅជាដែនកំណត់ដែលស្គាល់រួច ជាការរំលឹកថាការធានា កន្លែងណាដែលវាមាននៅកន្លែងផ្សេងក្នុងបញ្ជីរបស់យើង មកពីស្រទាប់បម្រើ ជាជាងចេតនាល្អរបស់ម៉ូដែល។

តើគួរប្រើបងប្អូនណាជំនួសវិញ

បើបន្ទុកការងាររបស់អ្នកត្រូវការ JSON ដែលធានា កុំតយុទ្ធជាមួយម៉ូដែលនេះទេ — ប្តូរលេខសម្គាល់ម៉ូដែល។ បងប្អូនបួននាក់ស្ថិតនៅតម្លៃ $0.50 / $2.00 ដូចគ្នាបេះបិទ ជាមួយការគាំទ្រ json_schema និង response_format ពេញលេញ៖

លេខសម្គាល់ម៉ូដែល	json_schema	ការមើលឃើញ	ហេតុអ្វីអ្នកនឹងជ្រើសរើសវា
MiMo-V2.5-Pro-W8A16	មាន	ទេ	ការប្តូរផ្ទាល់ — ទម្ងន់ 8-bit ថ្នាក់ភាពស្មោះត្រង់ខ្ពស់បំផុត តម្លៃដូចគ្នា
MiMo-V2.5-W8A16	មាន	មាន	ដូចគ្នា បូកនឹងទិន្នន័យបញ្ចូលរូបភាព
Hy3-W8A16	មាន	ទេ	ម៉ូដែលអត្ថបទ 8-bit មួយទៀតក្នុងតម្លៃទាបបំផុត
DeepSeek-V4-Flash-0731	មាន	ទេ	W4A16-AutoRound-REAP ដូច Laguna ការគាំទ្រ schema នៅដដែល

លំនាំដើមធម្មជាតិជា MiMo-V2.5-Pro (W8A16)៖ អត្ថបទតែប៉ុណ្ណោះ តម្លៃទាបបំផុត កំណត់ចំនួននៅថ្នាក់សុភាពបំផុតដែលយើងរត់ — លម្អិតនៅលើ ប័ណ្ណម៉ូដែល MiMo-V2.5។ ព្រោះម៉ូដែលទាំងដប់ពីរចែករំលែកចំណុចប្រទាក់ បង្អួចបរិបទ និងដែនកំណត់លទ្ធផលដូចគ្នា ការប្តូរជាការផ្លាស់ប្តូរមួយបន្ទាត់ចំពោះវាល model។

03តើ W4A16-AUTOROUND-REAP មានន័យដូចម្តេច?

បច្ច័យលើលេខសម្គាល់ម៉ូដែលមិនមែនតុបតែងទេ — វាប្រាប់យ៉ាងជាក់លាក់ថាតើទម្ងន់ត្រូវបានបង្រួមយ៉ាងដូចម្តេចមុនពេលពួកវាត្រូវបានផ្ទុកលើចង្កោមកម្មវិធីក្រាហ្វិករបស់យើង។ បីផ្នែក។

W4A16 — ទម្ងន់ 4-bit ការធ្វើសកម្មភាព 16-bit

ទម្ងន់ត្រូវបានផ្ទុកនៅ 4 ប៊ីត ការធ្វើសកម្មភាព — តម្លៃដែលហូររវាងស្រទាប់នៅពេលអនុមាន — នៅតែ 16។ ការកាត់ទម្ងន់ទៅមួយភាគបួននៃដានជើងឯកសារ BF16 របស់ពួកវាជាអ្វីដែលធ្វើឲ្យម៉ូដែល 118B សម និងនៅតែលឿន ខណៈរក្សាការធ្វើសកម្មភាពឲ្យធំការពារផ្នែកសម្ងាត់លេខនៃការឆ្លងកាត់ទៅមុខ។ បង្រួមអ្វីដែលធំ និងថេរ ទុកអ្វីដែលតូច និងថាមវន្តតែម្នាក់ឯង។

AutoRound — ការបង្គត់ដែលបានរៀន មិនមែនការបង្គត់ជិតបំផុតទេ

វិធីធម្មតាដើម្បីកំណត់ចំនួនគឺបង្គត់ទៅជិតបំផុត៖ ចាប់ទម្ងន់នីមួយៗទៅតម្លៃ 4-bit ជិតបំផុត ទទួលយកកំហុស។ AutoRound ប្រអប់ឧបករណ៍កំណត់ចំនួនក្រោយបណ្តុះបណ្តាលបើកចំហរបស់ Intel ធ្វើកាន់តែល្អ — វិធីសាស្ត្រ SignRound របស់វាប្រើ signed gradient descent ដើម្បីធ្វើឲ្យប្រសើរឡើងរួមគ្នានូវការសម្រេចចិត្តបង្គត់ និងជួរច្រិបកាត់តាមប្រហែលពីររយជំហាន សម្រេចចិត្តក្នុងមួយទម្ងន់ថាតើការបង្គត់ឡើងលើ ឬចុះក្រោមធ្វើឲ្យខូចខាតលទ្ធផលពិតរបស់ស្រទាប់តិចជាង។ វាខ្ចីគំនិតពីការបណ្តុះបណ្តាលដឹងអំពីការកំណត់ចំនួន ដោយគ្មានថ្លៃដើមនៃការបណ្តុះបណ្តាលឡើងវិញ ហើយនោះជាមូលហេតុដែលការសាងសង់ W4A16 អាចជាម៉ូដែលធ្ងន់ធ្ងរ ជាជាងចម្លែកបាត់បង់។

REAP — កាត់ចោលអ្នកជំនាញជំនួសឲ្យបញ្ចូលគ្នា

REAP ជា Router-weighted Expert Activation Pruning ផ្សព្វផ្សាយដោយ Cerebras Research។ នៅក្នុងម៉ូដែល MoE អ្នកជំនាញមិនមែនទាំងអស់ទាញទម្ងន់របស់ខ្លួនទេ៖ router ផ្ញើថូខឹនតិចទៅខ្លះ ហើយខ្លះចូលរួមទំហំតិចនៅពេលពួកគេបាញ់។ REAP វាយតម្លៃអ្នកជំនាញនីមួយៗលើសញ្ញាទាំងពីរ — តម្លៃច្រកបើករបស់ router និង បទដ្ឋានធ្វើសកម្មភាពរបស់អ្នកជំនាញ — ហើយដកអ្នកមិនលេចធ្លោបំផុតជាការវាយតែម្តង មុននឹងកំណត់ចំនួន។ សំខាន់បំផុត វា កាត់ចោល ជាជាងបញ្ចូលគ្នា៖ ការបញ្ចូលគ្នាបត់អ្នកជំនាញច្រើនចូលមួយ បំផ្លាញការគ្រប់គ្រងលម្អិត អាស្រ័យទិន្នន័យបញ្ចូលរបស់ router និងបញ្ចូលកម្រិតកំហុសដែលការលៃតម្រូវណាមួយមិនអាចដកចេញបាន (អ្នកនិពន្ធហៅវាថាការដួលរលំចន្លោះមុខងារ) ខណៈការកាត់ចោលទុកអ្នករស់ និងការគ្រប់គ្រងរបស់ router លើពួកគេនៅដដែល។ Cerebras រាយការណ៍ការដកចេញរហូតដល់ 50% នៃអ្នកជំនាញពីម៉ូដែលលានលានប៉ារ៉ាម៉ែត្រ ខណៈរក្សាគុណភាពមូលដ្ឋានភាគច្រើន — លើម៉ូដែលសរសេរកូដ 480B នៅការកាត់ចោល 50% 97.6% នៃសមត្ថភាពសរសេរកូដមូលដ្ឋានមិនមែនភ្នាក់ងារ និង 96.7% លើ SWE-Bench ភ្នាក់ងារ។ ទាំងនោះជាតួលេខរបស់ Cerebras លើម៉ូដែលផ្ទាល់ខ្លួនរបស់ពួកគេ មិនមែនការវាស់វែងលើការសាងសង់របស់យើងទេ ប៉ុន្តែពួកវាជាមូលហេតុដែលយើងរត់ជង់នេះលើគ្រឹះមួយដែលភាពខ្លាំងចម្បងគឺកូដ។

ព្រមគ្នា បច្ច័យអានដូចប្រយោគមួយ៖ កាត់ចោលអ្នកជំនាញដែលស្ទើរតែមិនត្រូវបានប្រើ រៀនការបង្គត់ 4-bit ជាជាងទាយវា រក្សាការធ្វើសកម្មភាពនៅទទឹងពេញ។

04តើម៉ូដែលនេះពូកែអ្វីពិតប្រាកដ?

ភាពស្មោះត្រង់ជាមុនសិន៖ Laguna S 2.1 ជាម៉ូដែលសន្ទនាអត្ថបទតែប៉ុណ្ណោះ — គ្មានទិន្នន័យបញ្ចូលរូបភាពនៅលើលេខសម្គាល់ម៉ូដែលនេះទេ — ហើយ Poolside បានសាងសង់វាសម្រាប់ ការសរសេរកូដភ្នាក់ងារ និងការងាររយៈពេលវែង មិនមែនសម្រាយអត្ថបទទេ។ ការបណ្តុះបណ្តាលក្រោយរត់លើបរិយាកាសជាង 409,000 រួមទាំង 83,000 ស្ថានីយ និង 168,000 ភារកិច្ចវិស្វកម្មសូហ្វវែរ ជាមួយការរៀនរង្វាន់នៅ FP8។ លទ្ធផលដែលបានរាយការណ៍របស់ Poolside សម្រាប់ការចេញផ្សាយមិនទាន់កំណត់ចំនួន៖

ស្តង់ដារវាស់ស្ទង់	Thinking	No-thinking	អ្វីដែលវាវាស់ស្ទង់
SWE-Bench Multilingual	78.5%	—	ការជួសជុលកំហុសពិតកាត់តាមភាសាច្រើន
Terminal-Bench 2.1	70.2%	60.4%	ការងារ shell និងឧបករណ៍ច្រើនជំហាន
SWE-Bench Pro	59.4%	—	ភារកិច្ច repo ពិបាកជាង ធន់ការចម្លង
Toolathlon Verified	49.7%	—	ទទឹងការប្រើឧបករណ៍កាត់តាម API ច្រើន
SWE Atlas	46.2%	—	ការរុករក repository រយៈពេលវែង
DeepSWE v1.1	40.4%	16.5%	វិស្វកម្មសូហ្វវែរភ្នាក់ងារ

គម្លាតរវាងជួរឈរទាំងពីរជាលេខមានប្រយោជន៍បំផុតនៅទីនេះ៖ លើ DeepSWE ពិន្ទុកើនឡើងជាងទ្វេដងនៅពេលការវែកញែកត្រូវបានបើក ហើយលើ Terminal-Bench វាទទួលបានជិតដប់ពិន្ទុ។

តួលេខរាយការណ៍ដោយ Poolside សម្រាប់ការចេញផ្សាយ Laguna S 2.1 មិនទាន់កំណត់ចំនួន ខែកក្កដា ឆ្នាំ 2026។ ពួកវាមិនមែនជាការវាស់វែងលើការសាងសង់ W4A16-AutoRound-REAP របស់យើងទេ ហើយយើងមិនផ្សព្វផ្សាយលេខស្តង់ដារវាស់ស្ទង់ផ្ទាល់ខ្លួនសម្រាប់វាទេ។ ប្រើ reasoning_effort ដើម្បីគ្រប់គ្រងថវិកាការគិតលើ API របស់យើង។

សម្រាប់ការងារសន្ទនា និងច្នៃប្រឌិត ជំហរស្មោះត្រង់គឺនេះ៖ គុណភាពនៅពីក្រោយការរត់ភ្នាក់ងារវែង — ការកាន់ស្ថានភាពច្រើនស្របគ្នា ការស្ថិតលើភារកិច្ច មិនរសាត់ — ជាគុណភាពដូចគ្នានៅពីក្រោយការងារតួអង្គទម្រង់វែង ហើយក្នុងការអនុវត្តជាក់ស្តែងវារក្សាសំឡេងបានល្អកាត់តាមបង្អួចវែងណាស់។ គ្មានស្តង់ដារវាស់ស្ទង់ដែលបានផ្សព្វផ្សាយនិយាយបែបនោះទេ ហើយយើងនឹងមិនបង្កើតមួយទេ។ ធ្វើតេស្តវាលើសំណើផ្ទាល់ខ្លួនរបស់អ្នក ក្នុងតម្លៃ $0.50 ក្នុងមួយលានថូខឹនចូល នោះស្ទើរតែឥតគិតថ្លៃ។

05តើតម្លៃទាបបំផុតទិញអ្វីពិតប្រាកដ?

$0.50 ចូល / $2.00 ចេញ ក្នុងមួយលានថូខឹនជាថ្នាក់ចូលនៅលើ Shannon AI Gateway ចែករំលែកជាមួយ MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro និង Hy3។ ជាក់ស្តែង៖

បន្ទុកការងារ	ចូល	ចេញ	ថ្លៃដើម
វេនជជែកមួយជាមួយប្រវត្តិ 100K	100,000	2,000	$0.054
ជំពូក 5,000 ពាក្យពីសេចក្តីសង្ខេបវែង	30,000	7,000	$0.029
វេនសន្ទនាខ្លីចំនួន 1,000	4,000,000	500,000	$3.00
ការអានបរិបទ 262K ថូខឹនពេញលេញ	262,144	16,384	$0.164

ជួរចុងក្រោយជាអ្វីមួយត្រូវទទួលយកចិត្ត៖ ការបំពេញបង្អួចបរិបទទាំងមូល ហើយបង្កើតចម្លើយអតិបរមា 16,384 ថូខឹនចំណាយប្រហែលដប់ប្រាំមួយសេន។ ការបញ្ចូលសាត្រាស្លឹករឹតទាំងមូល អត្ថបទចម្លងវគ្គ ឬសំណុំឯកសារទៅក្នុងការហៅតែមួយឈប់ជាការសម្រេចចិត្តថវិកា ហើយក្លាយជាការសម្រេចចិត្តភាពយឺត។ នព្វន្ធដូចគ្នាជំរុញករណីប្រើប្រាស់តម្លៃទាបបំផុតមួយទៀត — បរិមាណច្រើន៖ ការចាត់ថ្នាក់ជាបណ្តុំ ការសរសេរឡើងវិញជាបរិមាណច្រើន ការសន្ទនាសំយោគ ការព្រាងលើកទីមួយដែលម៉ូដែលខ្លាំងជាងកែសម្រួលនៅពេលក្រោយ។ សូមមើល ទំព័រតម្លៃ និង លិបិក្រមស្រាវជ្រាវ។

06អត្ថន័យនៃ "គ្មានសេនស័រ" នៅទីនេះ

វាមានន័យដូចអ្វីដែលវានិយាយ៖ គ្មានស្រទាប់ការបដិសេធ និងគ្មានតម្រងខ្លឹមសារលើលទ្ធផល។ គ្មានអ្នកចាត់ថ្នាក់ណាមួយស្ថិតរវាងម៉ូដែល និងចម្លើយរបស់អ្នកសម្រេចថាតើអ្នកត្រូវបានអនុញ្ញាតឲ្យសួរឬអត់ទេ ម៉ូដែលឆ្លើយក្នុងតួដែលអ្នកបានស្នើសុំ ហើយមិនអធិប្បាយអ្នកអំពីគោលការណ៍ជាមុនទេ។

សម្រាប់ការងារច្នៃប្រឌិត នោះជាភាពខុសគ្នារវាងឧបករណ៍ដែលអាចប្រើបាន និងឧបករណ៍ដែលមិនអាចប្រើបាន។ រឿងប្រឌិតមានតួប្រឆាំងគួរឲ្យខ្លាច តួអង្គដែលកុហកយ៉ាងជឿជាក់ អំពើហិង្សាដែលមានផលវិបាក អ្នកនិទានដែលសីលធម៌ខូចខាត — ម៉ូដែលមួយដែលបំបែកចេញពីតួដើម្បីបន្ថែមការបដិសេធខុសត្រូវបានបរាជ័យលើភារកិច្ច មិនមែនជោគជ័យលើសុវត្ថិភាពទេ។ ដូចគ្នាចំពោះការស្រាវជ្រាវសន្តិសុខ ឯកសារក្រុមក្រហម ការសរសេរវេជ្ជសាស្ត្រ និងច្បាប់ និងការបកប្រែដែលប្រភពត្រង់ — ប្រភេទដែលការបដិសេធគ្រាន់តែជាចម្លើយខុស។ អ្វីដែលវាមិនមានន័យគឺថាការវិនិច្ឆ័យឈប់ជារបស់អ្នកទេ — អ្នកនៅតែទទួលខុសត្រូវចំពោះអ្វីដែលអ្នកបង្កើត ក្រោម គោលការណ៍ប្រើប្រាស់ដោយទទួលខុសត្រូវ របស់យើង និងច្បាប់ដែលអនុវត្ត។

07របៀបហៅ API Laguna គ្មានសេនស័រ

ភាសាបី ម៉ូដែលមួយ៖ /v1/chat/completions (OpenAI) /v1/messages (Anthropic) /v1/responses។ Streaming ដំណើរការនៅលើទាំងបី ដូច្នេះការរួមបញ្ចូលដែលមានស្រាប់ផ្លាស់ទីដោយប្តូរ base URL និងលេខសម្គាល់ម៉ូដែល — គ្មានការប្តូរ SDK គ្មានការសរសេរឡើងវិញនូវការគ្រប់គ្រងសាររបស់អ្នកទេ។

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"
}

កំណត់សម្គាល់ជាក់ស្តែងមួយចំនួន៖

• កុំផ្ញើ response_format ឬ json_schema ទៅលេខសម្គាល់ម៉ូដែលនេះទេ — បើបណ្ណាល័យភ្ញៀវរបស់អ្នកកំណត់វាតាមលំនាំដើម សូមដកវាចេញ ឬផ្លាស់ទៅបងប្អូនដែលគាំទ្រវា។
• ឧបករណ៍ចូលទៅក្នុងអារេ tools ធម្មតា — ការហៅឧបករណ៍ត្រូវបានគាំទ្រពេញលេញ មានតែការអនុវត្ត schema លើអត្ថបទសេរីប៉ុណ្ណោះដែលមិនមាន។
• ធ្វើផែនការការវែកញែករបស់អ្នក។ reasoning_effort ត្រូវបានគោរព ទាប ឬបិទរក្សាភាពយឺតការសន្ទនាទាប និងថូខឹនលទ្ធផលថោក លើកវាឡើងសម្រាប់ការងារឧបករណ៍ច្រើនជំហាន ដែលគម្លាតស្តង់ដារវាស់ស្ទង់ខាងលើបង្ហាញអ្វីដែលវាទិញ។
• ដែនកំណត់លទ្ធផលជា 16,384 ថូខឹនក្នុងមួយសំណើ។ សម្រាប់ការបង្កើតកម្រិតសៀវភៅ សូមចែកជាជំពូក ហើយ stream។
• អត្ថបទតែប៉ុណ្ណោះ។ គ្មានទិន្នន័យបញ្ចូលរូបភាពនៅលើលេខសម្គាល់ម៉ូដែលនេះទេ — ប្រើ MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 ឬ inkling សម្រាប់ការមើលឃើញ។

ឯកសារយោងប៉ារ៉ាម៉ែត្រពេញលេញ ការផ្ទៀងផ្ទាត់អត្តសញ្ញាណ អត្ថន័យកំហុស និងកន្លែងលេងផ្ទាល់៖ ឯកសារ API។

08ពេលណាគួរជ្រើសរើសវា និងពេលណាមិនគួរ

ជ្រើសរើសវាពេលលទ្ធផលរបស់អ្នកជាសម្រាយអត្ថបទ ការសន្ទនា ឬកូដដែលមនុស្សអាន អ្នកត្រូវការការហៅឧបករណ៍ ប៉ុន្តែមិនមែនអត្ថបទកម្រិត schema ថ្លៃដើមក្នុងមួយថូខឹនកំណត់លើសពីបរិបទវែង ឬអ្នកចង់បានមតិទីពីរពីពូជពង្សក្រៅពីគ្រួសារ DeepSeek, Kimi និង MiMo ដែលបំពេញបញ្ជីនៅសល់។

ជ្រើសរើសអ្វីផ្សេងពេលអ្នកត្រូវការ JSON ដែលធានា (MiMo-V2.5-Pro) ការយល់ដឹងរូបភាព (Kimi-K2.6 ឬ MiMo-V2.5) ឬចុងជួរមុខនៃភាពពិបាកដែលគម្លាតតម្លៃមិនសំខាន់ធៀបនឹងការទទួលបានចម្លើយត្រឹមត្រូវ (DeepSeek-V4-Pro, Kimi-K3)។

09សំណួរដែលសួរញឹកញាប់

---

ប្រភព៖ Poolside — ប័ណ្ណម៉ូដែល Laguna S 2.1 · ការណែនាំ Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound។ តួលេខស្ថាបត្យកម្ម និងស្តង់ដារវាស់ស្ទង់ត្រូវបានរាយការណ៍ដោយអ្នកផ្សព្វផ្សាយសម្រាប់ការចេញផ្សាយមិនទាន់កំណត់ចំនួន មិនមែនការវាស់វែងលើការសាងសង់ដែលយើងបម្រើទេ។ Shannon AI ត្រូវបានប្រតិបត្តិដោយ Shannon Lab LLC រដ្ឋញូម៉ិកស៊ិកូ សហរដ្ឋអាមេរិក។