무검열 Laguna API
Laguna S 2.1 — 1,180억 파라미터 전문가 혼합(MoE) 파운데이션을 거절 레이어 없이, 262K 컨텍스트 윈도우와 툴 호출을 갖춰, 100만 토큰당 입력 $0.50 / 출력 $2.00의 최저가로 제공합니다.
요약
무검열 Laguna API는 Poolside의 Laguna S 2.1 — 총 1,180억 파라미터, 토큰당 활성 약 80억, OpenMDW-1.1 라이선스의 오픈 웨이트 — 을 AutoRound와 REAP을 적용한 W4A16으로 양자화해 자체 GPU 클러스터에서 구동합니다. 262,144 토큰 컨텍스트, 요청당 출력 16,384 토큰, 스트리밍, 툴 호출, reasoning_effort를 제공하며 출력 필터링은 없습니다. 미리 밝혀 둘 단서가 하나 있습니다. 이 모델은 우리 라인업에서 json_schema도 response_format도 지원하지 않는 유일한 모델입니다. JSON 보장이 필요하다면 형제 모델을 쓰세요 — MiMo-V2.5의 Pro 빌드가 동일한 가격으로 해냅니다.
"싼 모델" 페이지 대부분은 낮은 숫자를 대가로 작고 낡은 파운데이션을 받아들이라고 요구합니다. 이 페이지는 그렇지 않습니다. Laguna S 2.1은 H200 4,096장으로 학습해 9주도 되지 않아 출시된 현세대 희소 전문가 혼합 모델이며, 우리가 서비스하는 다른 모든 엔트리 티어 모델과 똑같은 $0.50 / $2.00 바닥 가격에 있습니다. 맞바꿈은 좁고 따지기 쉽습니다. 서버가 강제하는 구조화 출력을 포기하고 나머지 전부를 가져가는 것입니다.
01Laguna S 2.1이란 무엇인가
Laguna S 2.1은 Poolside가 2026년 7월 21일에 관대한 OpenMDW-1.1 라이선스로 공개한 오픈 웨이트 모델로, Laguna XS 2.1(33B/활성 3B)과 Laguna M.1(225B/활성 23B) 사이에 놓인 Laguna 계열의 중형 모델입니다.
공개된 아키텍처는 softplus 게이팅을 쓰는 토큰 선택 라우터로, 라우팅 전문가 256개와 공유 전문가 1개 위에서 토큰당 열 개를 고르며 48개 레이어에 걸쳐 동작합니다. 그중 열두 개는 전역 어텐션, 서른여섯 개는 512 토큰 창의 슬라이딩 윈도우이며, 이 교차 배치 덕분에 아주 긴 입력의 어텐션 비용이 이차가 아니라 거의 선형에 가깝게 유지됩니다. 어텐션은 헤드 차원 128에 키-값 헤드 8개를 쓰는 그룹 쿼리 방식입니다.
API 사용자에게 중요한 결과는 두 가지입니다. 희소 활성화는 1,180억 파라미터 모델이 최저가에 앉을 수 있는 이유입니다. 토큰당 약 80억 파라미터만 일하므로 토큰당 연산량은 파라미터 수가 시사하는 것보다 작은 밀집 모델에 가깝습니다. 그리고 슬라이딩 윈도우 교차 배치는 긴 윈도우가 명목이 아니라 실제로 쓸 만한 이유입니다. Poolside의 릴리스는 1,048,576 토큰을 지원하지만, 우리는 262,144를 제공하며 이는 게이트웨이의 다른 모든 모델과 같습니다.
02단 하나의 단서: 구조화 출력 없음
Shannon AI의 Laguna S 2.1은 json_schema도 response_format도 받지 않습니다. 열두 개 모델 라인업에서 구조화 출력을 지원하지 않는 유일한 모델이며, 둘 중 어느 파라미터를 보내도 스키마에 구속된 응답을 받을 수 없습니다. 툴 호출은 됩니다. 스트리밍도 됩니다. 추론도 됩니다. 없는 것은 서버가 강제하는 출력 형태 지정뿐입니다.
여전히 되는 것. 툴 호출은 완전히 지원되고, 툴 호출 인자는 다른 모델에서와 똑같이 JSON 객체로 도착합니다. 애플리케이션이 말하는 "구조화 출력"이 실은 툴 인자라면 — 대부분의 에이전트 프레임워크, MCP 서버, 데이터베이스 프런트엔드가 여기 해당합니다 — Laguna S 2.1은 충분히 제 몫을 합니다. 스트리밍은 세 방언 모두에서 동작하고, reasoning_effort도 동작합니다.
되지 않는 것. 엔드포인트에 JSON 스키마를 건네고 어시스턴트의 텍스트 응답이 그에 맞게 검증된다고 보장받을 수는 없으며, response_format: {"type": "json_object"}도 아무 소용이 없습니다. 프롬프트로 JSON을 요구하면 대개 JSON이 나옵니다 — 유능한 모델이니까요 — 그러나 "대개"는 계약이 아닙니다. Poolside 스스로도 깊이 중첩된 툴 호출에서 JSON 이스케이프가 잘못되는 문제를 알려진 한계로 문서화해 두었는데, 이는 우리 라인업의 다른 곳에 존재하는 보장이 모델의 선의가 아니라 서빙 레이어에서 나온다는 사실을 상기시킵니다.
대신 어떤 형제 모델을 쓸 것인가
워크로드에 JSON 보장이 필요하다면 이 모델과 싸우지 말고 모델 id를 바꾸세요. 동일한 $0.50 / $2.00 가격에 json_schema와 response_format을 완전히 지원하는 형제 모델이 넷 있습니다.
| 모델 id | json_schema | 비전 | 선택할 이유 |
|---|---|---|---|
| MiMo-V2.5-Pro-W8A16 | 지원 | 없음 | 가장 직접적인 대체 — 8비트 가중치, 최고 충실도 티어, 같은 가격 |
| MiMo-V2.5-W8A16 | 지원 | 지원 | 위와 같고 이미지 입력이 추가됨 |
| Hy3-W8A16 | 지원 | 없음 | 최저가에 놓인 또 하나의 8비트 텍스트 모델 |
| DeepSeek-V4-Flash-0731 | 지원 | 없음 | Laguna와 같은 W4A16-AutoRound-REAP, 스키마 지원은 그대로 |
자연스러운 기본값은 MiMo-V2.5-Pro(W8A16)입니다. 텍스트 전용, 최저가, 우리가 운영하는 가장 부드러운 양자화 티어이며 자세한 내용은 MiMo-V2.5 모델 카드에 있습니다. 열두 모델이 엔드포인트, 컨텍스트 윈도우, 출력 상한을 공유하므로 전환은 model 필드 한 줄만 고치면 끝입니다.
03W4A16-AUTOROUND-REAP은 무슨 뜻인가
모델 id 뒤에 붙은 접미사는 장식이 아닙니다. 가중치가 우리 GPU 클러스터에 올라가기 전에 정확히 어떻게 압축되었는지를 말해 줍니다. 세 부분입니다.
W4A16 — 4비트 가중치, 16비트 활성값
가중치는 4비트로 저장하고, 추론 시 레이어 사이를 흐르는 값인 활성값은 16비트를 유지합니다. 가중치를 BF16 대비 4분의 1로 줄이는 것이 1,180억 파라미터 모델을 담고도 빠르게 유지하는 방법이며, 활성값을 넓게 두면 순전파에서 수치적으로 민감한 부분이 보호됩니다. 크고 고정된 것을 압축하고, 작고 유동적인 것은 건드리지 않는 것입니다.
AutoRound — 가장 가까운 값이 아니라 학습된 반올림
양자화의 순진한 방법은 최근접 반올림입니다. 각 가중치를 가장 가까운 4비트 값에 스냅하고 오차를 감수하는 것이죠. Intel의 오픈 사후 학습 양자화 툴킷인 AutoRound는 더 잘합니다. SignRound 방식으로 부호 있는 경사 하강법을 써서 수백 스텝에 걸쳐 반올림 결정과 클리핑 범위를 함께 최적화하며, 가중치마다 올림과 내림 중 어느 쪽이 레이어의 실제 출력에 덜 해로운지를 판단합니다. 재학습 비용 없이 양자화 인식 학습의 발상을 빌려 오는 셈이고, W4A16 빌드가 손실 많은 호기심거리가 아니라 진지한 모델일 수 있는 이유가 여기 있습니다.
REAP — 전문가를 병합하지 않고 잘라 내기
REAP은 Cerebras Research가 발표한 라우터 가중 전문가 활성화 프루닝(Router-weighted Expert Activation Pruning)입니다. MoE 모델에서 모든 전문가가 제 몫을 하지는 않습니다. 라우터가 어떤 전문가에게는 토큰을 거의 보내지 않고, 어떤 전문가는 발화하더라도 기여 크기가 작습니다. REAP은 라우터 게이트 값과 전문가 활성화 노름이라는 두 신호로 각 전문가를 채점해, 중요도가 낮은 쪽을 양자화 이전에 한 번에 제거합니다. 핵심은 병합이 아니라 프루닝이라는 점입니다. 병합은 여러 전문가를 하나로 접어 넣어 라우터의 세밀한 입력 의존적 제어를 파괴하고 어떤 튜닝으로도 없앨 수 없는 오차 하한을 만들어 냅니다(저자들은 이를 기능적 부분공간 붕괴라 부릅니다). 반면 프루닝은 살아남은 전문가와 그들에 대한 라우터의 제어를 그대로 둡니다. Cerebras는 조 단위 파라미터 모델에서 전문가를 최대 50%까지 제거하면서도 기준선 품질을 대체로 유지했다고 보고합니다. 480B 코더 모델에서 50% 프루닝 시 비에이전트 코딩 능력의 97.6%, 에이전트 SWE-Bench에서 96.7%를 유지했습니다. 이는 Cerebras가 자기 모델에 대해 낸 수치이지 우리 빌드를 측정한 것이 아니지만, 우리가 코드가 주된 강점인 파운데이션 위에 이 스택을 올린 이유이기도 합니다.
접미사를 하나의 문장으로 읽으면 이렇습니다. 거의 쓰이지 않던 전문가를 잘라 내고, 4비트 반올림을 추측하는 대신 학습하고, 활성값은 원래 폭 그대로 둔다.
04이 모델은 실제로 무엇을 잘하는가
먼저 솔직하게 말하면, Laguna S 2.1은 텍스트 전용 대화 모델이고 — 이 모델 id에는 비전 입력이 없습니다 — Poolside는 산문이 아니라 에이전트 코딩과 장기 지평 작업을 위해 이 모델을 만들었습니다. 사후 학습은 409,000개 환경에서 이뤄졌고 여기에는 터미널 작업 83,000개와 소프트웨어 엔지니어링 작업 168,000개가 포함되며, 강화 학습은 FP8로 돌렸습니다. 양자화되지 않은 릴리스에 대해 Poolside가 보고한 결과는 다음과 같습니다.
| 벤치마크 | Thinking | No-thinking | 측정 대상 |
|---|---|---|---|
| SWE-Bench Multilingual | 78.5% | — | 여러 언어에 걸친 실제 버그 수정 |
| Terminal-Bench 2.1 | 70.2% | 60.4% | 다단계 셸 및 도구 작업 |
| SWE-Bench Pro | 59.4% | — | 더 어렵고 오염에 강한 저장소 과제 |
| Toolathlon Verified | 49.7% | — | 여러 API에 걸친 툴 사용 폭 |
| SWE Atlas | 46.2% | — | 장기 지평 저장소 탐색 |
| DeepSWE v1.1 | 40.4% | 16.5% | 에이전트 소프트웨어 엔지니어링 |
두 열의 격차가 여기서 가장 실행 가능한 숫자입니다. DeepSWE에서는 추론을 켜면 점수가 두 배 이상으로 뛰고, Terminal-Bench에서는 거의 10점을 얻습니다.
2026년 7월, 양자화되지 않은 Laguna S 2.1 릴리스에 대해 Poolside가 보고한 수치입니다. 우리의 W4A16-AutoRound-REAP 빌드를 측정한 값이 아니며, 그에 대해 우리가 자체 벤치마크 수치를 공개하지도 않습니다. 우리 API에서는 reasoning_effort로 사고 예산을 조절하세요.
대화와 창작 작업에 대해 솔직한 입장은 이렇습니다. 긴 에이전트 실행을 떠받치는 자질 — 많은 상태를 일관되게 붙들고, 과제에서 벗어나지 않고, 표류하지 않는 것 — 은 긴 호흡의 캐릭터 작업을 떠받치는 자질과 같으며, 실제로 이 모델은 매우 긴 윈도우에 걸쳐 목소리를 잘 유지합니다. 그렇게 말해 주는 공개 벤치마크는 없고, 우리는 없는 것을 지어내지 않습니다. 여러분의 프롬프트로 직접 시험해 보세요. 100만 입력 토큰당 $0.50이면 사실상 공짜입니다.
05최저가가 실제로 사 주는 것
100만 토큰당 입력 $0.50 / 출력 $2.00는 Shannon AI 게이트웨이의 엔트리 티어이며 MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro, Hy3와 같은 가격입니다. 구체적으로는 이렇습니다.
| 워크로드 | 입력 | 출력 | 비용 |
|---|---|---|---|
| 10만 토큰 히스토리를 안은 대화 한 턴 | 100,000 | 2,000 | $0.054 |
| 긴 브리프에서 뽑아낸 5,000 단어 분량 한 챕터 | 30,000 | 7,000 | $0.029 |
| 짧은 대화 턴 1,000회 | 4,000,000 | 500,000 | $3.00 |
| 262K 토큰 컨텍스트를 가득 채운 읽기 | 262,144 | 16,384 | $0.164 |
몸에 새겨 둘 것은 마지막 행입니다. 컨텍스트 윈도우를 통째로 채우고 최대 16,384 토큰 응답을 생성해도 약 16센트입니다. 원고 전체, 세션 기록, 문서 묶음을 한 번의 호출에 밀어 넣는 일이 예산 문제가 아니라 지연 시간 문제로 바뀝니다. 같은 산수가 최저가의 또 다른 용도인 대량 처리를 이끕니다. 배치 분류, 대량 리라이팅, 합성 대화, 더 강한 모델이 나중에 다듬을 1차 초안이 그것입니다. 요금 페이지와 리서치 인덱스를 참고하세요.
06여기서 "무검열"이 뜻하는 것
말 그대로입니다. 거절 레이어도, 출력에 대한 콘텐츠 필터링도 없습니다. 모델과 여러분의 응답 사이에서 질문해도 되는지를 판정하는 분류기는 없습니다. 모델은 여러분이 요청한 어조로 답하고, 전제부터 훈계하지 않습니다.
창작 작업에서 이것은 쓸 수 있는 도구와 쓸 수 없는 도구를 가르는 차이입니다. 소설에는 위협적인 적대자, 설득력 있게 거짓말하는 인물, 대가를 치르는 폭력, 도덕적으로 타협한 화자가 나옵니다. 캐릭터를 깨고 면책 문구를 덧붙이는 모델은 안전에 성공한 것이 아니라 과제에 실패한 것입니다. 보안 연구, 레드팀 문서화, 의료·법률 초안 작성, 원문이 직설적인 번역도 마찬가지입니다. 이런 범주에서 거절은 그저 틀린 답입니다. 다만 이것이 판단이 더 이상 여러분의 몫이 아니라는 뜻은 아닙니다. 생성한 결과에 대한 책임은 여전히 여러분에게 있으며, 우리 책임 있는 이용 정책과 관련 법률이 적용됩니다.
07무검열 Laguna API 호출 방법
세 가지 방언, 하나의 모델입니다. /v1/chat/completions(OpenAI), /v1/messages(Anthropic), /v1/responses. 스트리밍은 셋 모두에서 동작하므로 기존 통합은 베이스 URL과 모델 id만 바꾸면 옮겨 옵니다. SDK를 갈아엎을 필요도, 메시지 처리 코드를 다시 쓸 필요도 없습니다.
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"
}
실무 메모 몇 가지입니다.
- 이 모델 id에는
response_format이나json_schema를 보내지 마세요. 클라이언트 라이브러리가 기본값으로 설정한다면 해제하거나, 이를 지원하는 형제 모델로 옮기세요. - 툴은 평소대로
tools배열에 넣으면 됩니다. 툴 호출은 완전히 지원되며, 없는 것은 자유 텍스트에 대한 스키마 강제뿐입니다. - 추론 예산을 관리하세요.
reasoning_effort가 반영됩니다. 낮게 두거나 끄면 대화 지연 시간이 짧아지고 출력 토큰이 싸집니다. 다단계 툴 작업에서는 올리세요. 위의 벤치마크 격차가 그때 무엇을 얻는지 보여 줍니다. - 출력 상한은 요청당 16,384 토큰입니다. 책 분량을 생성하려면 챕터로 나누고 스트리밍하세요.
- 텍스트 전용입니다. 이 모델 id에는 이미지 입력이 없습니다. 비전이 필요하면 MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3, inkling을 쓰세요.
전체 파라미터 레퍼런스, 인증, 오류 시맨틱, 라이브 플레이그라운드는 API 문서에 있습니다.
08언제 고르고, 언제 고르지 말아야 하는가
고르세요. 출력이 사람이 읽는 산문, 대화, 코드일 때. 툴 호출은 필요하지만 스키마에 구속된 텍스트는 필요 없을 때. 긴 컨텍스트에서 토큰당 비용이 지배적일 때. 또는 라인업의 나머지를 채운 DeepSeek, Kimi, MiMo 계열이 아닌 다른 계보의 두 번째 의견이 필요할 때.
다른 것을 고르세요. JSON 보장이 필요할 때(MiMo-V2.5-Pro), 이미지 이해가 필요할 때(Kimi-K2.6 또는 MiMo-V2.5), 또는 답을 맞히는 것에 비하면 가격 차이가 무의미해지는 최고 난도 영역일 때(DeepSeek-V4-Pro, Kimi-K3).
json_schema와 response_format을 모두 지원합니다. MiMo-V2.5 모델 카드를 읽거나 리서치 인덱스에서 열두 모델 전부를 살펴보세요.
여기 실린 모든 아키텍처와 벤치마크 주장은 모델 발행처 또는 압축 기법 저자들에게서 나온 것입니다. 직접 확인해 보세요.
09자주 묻는 질문
무검열 Laguna API란 무엇입니까?
Poolside의 오픈 웨이트 모델 Laguna S 2.1입니다. 총 1,180억 파라미터, 토큰당 활성 약 80억 파라미터이며, Shannon 자체 GPU 클러스터에서 거절 레이어도 출력 필터링도 없이 제공됩니다. 모델 id는 Laguna-S-2.1-W4A16-AUTOROUND-REAP, 컨텍스트 윈도우는 262,144 토큰이고, 가격은 100만 입력 토큰당 $0.50, 100만 출력 토큰당 $2.00입니다.
Shannon AI에서 Laguna S 2.1은 json_schema나 response_format을 지원합니까?
지원하지 않습니다. Shannon 라인업에서 둘 다 받지 않는 유일한 모델입니다. 툴 호출과 스트리밍은 정상 동작하고 툴 호출 인자도 여전히 JSON으로 도착하지만, 어시스턴트의 텍스트 출력에 서버가 강제하는 스키마는 없습니다. 같은 $0.50 / $2.00 가격으로 JSON을 보장받으려면 MiMo-V2.5-Pro(W8A16)를 쓰세요.
W4A16-AUTOROUND-REAP은 무슨 뜻입니까?
W4A16은 가중치를 4비트로 저장하고 활성값은 16비트로 유지한다는 뜻입니다. AutoRound는 Intel의 사후 학습 양자화 방법으로, 가장 가까운 값으로 반올림하는 대신 부호 있는 경사 하강법으로 반올림과 클리핑 결정을 학습합니다. REAP은 Cerebras Research의 라우터 가중 전문가 활성화 프루닝으로, 전문가 혼합 모델에서 드물게 그리고 약하게 라우팅되는 전문가를 양자화 전에 병합하지 않고 제거합니다.
Laguna S 2.1은 창작 글쓰기와 대화에 좋습니까?
텍스트 전용 대화 모델이며 — 비전 입력은 없습니다 — 262K 윈도우 전체에 걸쳐 길고 일관되며 캐릭터를 유지하는 산문을 거절 레이어의 방해 없이 써냅니다. Poolside가 공개한 벤치마크 성적은 산문이 아니라 에이전트 코딩 영역이므로, 창작 품질은 리더보드를 믿기보다 여러분의 프롬프트로 직접 시험해 보세요.
무검열 Laguna API의 가격은 얼마입니까?
100만 입력 토큰당 $0.50, 100만 출력 토큰당 $2.00 — Shannon AI 게이트웨이의 최저가이며 MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro, Hy3와 같은 가격입니다. 10만 토큰 대화에서 2,000 토큰의 답변이 나오면 비용은 약 5.4센트입니다.
무검열 Laguna API를 사용해 보세요
118B MoE · 262K 컨텍스트 · 툴과 스트리밍 · 100만 토큰당 $0.50 / $2.00.
API 문서 읽기 채팅 시작하기거절 레이어 없음 · 출력 필터링 없음 · 판단도 책임도 여러분의 것
출처: Poolside — Laguna S 2.1 모델 카드 · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. 아키텍처와 벤치마크 수치는 양자화되지 않은 릴리스에 대해 발행처가 보고한 값이며, 우리가 서비스하는 빌드를 측정한 것이 아닙니다. Shannon AI는 미국 뉴멕시코주의 Shannon Lab LLC가 운영합니다.