Цензурасыз Laguna API

«Арзан модель» бараттарынын көбү төмөн сан үчүн кичине, чарчаган негизди кабыл алууну сунуштайт. Бул андай эмес. Laguna S 2.1 — учурдагы муундагы сейрек эксперттер аралашмасы чыгарылышы, 4 096 H200'дө үйрөтүлүп, тогуз жумадан аз убакытта чыккан, жана ал биз тейлеген башка баштапкы деңгээлдеги моделдер менен бирдей $0.50 / $2.00 түбүндө турат. Алмашуу тар жана ой жүгүртүүгө оңой: сервер тарабынан мажбурланган структураланган чыгуудан баш тартып, калганынын баарын сактап каласыз.

01Laguna S 2.1 деген эмне?

Laguna S 2.1 — Poolside тарабынан 2026-жылдын 21-июлунда эркин OpenMDW-1.1 лицензиясы алдында чыгарылган ачык салмактуу модель — Laguna үй-бүлөсүнүн орто өлчөмдөгү мүчөсү, Laguna XS 2.1 (33B/3B активдүү) менен Laguna M.1'дин (225B/23B активдүү) ортосунда.

Жарыяланган архитектура — 256 маршруттолгон эксперт плюс бир жалпы эксперт үстүнөн softplus дарбазалоосу бар токен тандоочу маршрутизатор, токенге ондон тандалат, 48 катмар боюнча: он экиси глобалдык көңүл буруу, отуз алтысы 512 токендик терезедеги жылма терезе; бул кезектешүү өтө узун кириштерде көңүл буруунун чыгымын квадраттык эмес, сызыктууга жакын кармайт. Көңүл буруу — топтолгон суроолуу, баш өлчөмү 128 болгон 8 ачкыч-маани башы менен.

API колдонуучусу үчүн эки кесепет маанилүү. Сейрек активдешүү — 118B модель эмне үчүн түп баада тура аларынын себеби: токенге ~8B параметр гана иштейт, ошондуктан токенге туура келген эсептөө параметр саны көрсөткөндөн кичине тыгыз моделге жакыныраак. Ал эми жылма терезенин кезектешүүсү — узун терезенин номиналдык эмес, чындап колдонууга жарактуу болушунун себеби. Poolside'дын чыгарылышы 1 048 576 токенди колдойт; биз 262 144 тейлейбиз, шлюздагы башка ар бир моделге дал келип.

02Бир эскертүү: структураланган чыгуу жок

Эмне дагы эле иштейт. Курал чакыруу толук колдоого алынат, ал эми курал чакыруунун аргументтери бул жердеги башка ар бир моделдегидей эле JSON объекти катары келе берет. Эгер тиркемеңиздин «структураланган чыгуусу» чындыгында курал аргументтери болсо — агент каркастарынын, MCP серверлеринин жана маалымат базасынын алдыңкы беттеринин көбүндө ушундай — Laguna S 2.1 сизге жетиштүү тейлейт. Агымдуу берүү үч диалектте тең иштейт; reasoning_effort иштейт.

Эмне иштебейт. Учка JSON схеманы берип, ассистенттин тексттик жообу ага дал келерине кепилдик ала албайсыз, ал эми response_format: {"type": "json_object"} сизге эч нерсе бербейт. JSON сурап промпт жазуу адатта JSON берет — бул компетенттүү модель — бирок «адатта» деген келишим эмес. Poolside өзү терең уяланган курал чакырууларында JSON'дун туура эмес экрандалышын белгилүү чектөө катары документтейт; бул — тизмебиздин башка жеринде бар кепилдик моделдин жакшы ниетинен эмес, тейлөө катмарынан келерин эске салат.

Анын ордуна кайсы тектешин колдонуу керек

Эгер жүгүңүзгө кепилденген JSON керек болсо, бул модель менен күрөшпөңүз — модель id'син алмаштырыңыз. Так ошол $0.50 / $2.00 баада толук json_schema жана response_format колдоосу бар төрт тектеш турат:

Модель id	json_schema	Көрүү	Аны эмне үчүн тандайсыз
MiMo-V2.5-Pro-W8A16	Ооба	Жок	Түз алмаштыруу — 8 биттик салмактар, эң жогорку тактыктагы деңгээл, ошол эле баа
MiMo-V2.5-W8A16	Ооба	Ооба	Ошол эле, плюс сүрөт киргизүү
Hy3-W8A16	Ооба	Жок	Түп баадагы дагы бир 8 биттик текст модели
DeepSeek-V4-Flash-0731	Ооба	Жок	Laguna сыяктуу W4A16-AutoRound-REAP, схема колдоосу бузулбаган

Табигый демейки тандоо — MiMo-V2.5-Pro (W8A16): текст гана, түп баада, иштеткен эң жумшак деңгээлде кванттелген — деталдары MiMo-V2.5 модель карточкасында. Он эки модель тең учтарды, контекст терезесин жана чыгуу чегин бөлүшкөндүктөн, которулуу — model талаасындагы бир саптык өзгөрүү.

03W4A16-AUTOROUND-REAP эмнени билдирет?

Модель id'синдеги кошумча — жасалга эмес: ал салмактар GPU кластерибизге жүктөлөөрдөн мурун так кантип кысылганын айтат. Үч бөлүк.

W4A16 — 4 биттик салмактар, 16 биттик активациялар

Салмактар 4 битте сакталат; активациялар — чыгаруу учурунда катмарлардын ортосунда аккан маанилер — 16 битте калат. Салмактарды BF16 изинин төрттөн бирине кыскаруу 118B моделди батырып, тез кармаган нерсе, ал эми активацияларды кең кармоо алдыга өтүштүн сан жагынан сезгич бөлүгүн коргойт. Чоң жана статикалык нерсени кысыңыз, кичине жана динамикалык нерсени тийбей коюңуз.

AutoRound — эң жакынга эмес, үйрөнүлгөн тегеректөө

Кванттоонун жөнөкөй жолу — эң жакынга тегеректөө: ар бир салмакты эң жакын 4 биттик мааниге тартып, катаны кабыл алуу. Intel'дин ачык кийинки үйрөтүү кванттоо топтому AutoRound жакшыраак кылат — анын SignRound ыкмасы бир нече жүз кадамда тегеректөө чечимдерин жана кесүү диапазондорун чогуу оптималдаштыруу үчүн белгиленген градиенттик түшүүнү колдонот, ар бир салмак үчүн жогору же төмөн тегеректөө катмардын чыныгы чыгуусуна азыраак зыян келтирерин чечет. Ал идеяны кванттоону эске алган үйрөтүүдөн кайра үйрөтүүнүн чыгымысыз алат, жана дал ошондуктан W4A16 курулушу жоготуулуу кызыктуулук эмес, олуттуу модель боло алат.

REAP — эксперттерди бириктирүүнүн ордуна кыскартуу

REAP — Cerebras Research жарыялаган Router-weighted Expert Activation Pruning. MoE моделинде эксперттердин баары эле салмагын тартпайт: маршрутизатор кээ бирине аз токен жөнөтөт, ал эми кээ бирлери иштегенде да чоңдугу боюнча аз салым кошот. REAP ар бир экспертти эки сигнал боюнча — маршрутизатордун дарбаза маанилери жана эксперттин активация нормалары — баалап, маанилүүлүгү төмөндөрүн кванттоодон мурун бир жолу алып салат. Эң башкысы, ал бириктирбестен кыскартат: бириктирүү бир нече экспертти бирине бүктөп, маршрутизатордун майда, кириштен көз каранды көзөмөлүн жок кылып, эч кандай тууралоо алып салбаган ката түбүн жаратат (авторлор аны функционалдык ички мейкиндиктин кулашы деп атайт), ал эми кыскартуу аман калгандарын жана маршрутизатордун алардын үстүнөн көзөмөлүн бузбай калтырат. Cerebras триллион параметрлик моделдерден эксперттердин 50%ына чейинкисин алып салып, базалык сапатты негизинен сактаганын билдирет — 480B код моделинде 50% кыскартууда агенттик эмес код жазуу жөндөмүнүн базалык деңгээлинин 97,6%ы жана агенттик SWE-Bench боюнча 96,7%ы. Булар — Cerebras'тын өз моделдери үчүн сандары, биздин курулуштун өлчөөлөрү эмес, бирок дал ошолор биз бул түзүлүштү негизги күчү код болгон негизде иштетүүбүздүн себеби.

Чогуу алганда кошумча бир сүйлөм болуп окулат: араң колдонулган эксперттерди кыскартып, 4 биттик тегеректөөнү божомолдобой үйрөнүп, активацияларды толук кеңдикте кармоо.

04Бул модель чындыгында эмнеге жакшы?

Адегенде чынын айталы: Laguna S 2.1 — текст гана маектешүү модели — бул модель id'синде сүрөт киргизүү жок — жана Poolside аны прозага эмес, агенттик код жазууга жана узак горизонттогу ишке курган. Кийинки үйрөтүү 409 000ден ашык чөйрөдө, анын ичинде 83 000 терминалдык жана 168 000 программалык инженерия тапшырмасында, FP8'деги кубаттоочу окутуу менен жүргөн. Poolside'дын кванттелбеген чыгарылыш үчүн билдирген натыйжалары:

Бенчмарк	Ой жүгүртүү менен	Ой жүгүртүүсүз	Ал эмнени өлчөйт
SWE-Bench Multilingual	78.5%	—	Көптөгөн тилдердеги чыныгы мүчүлүштүктөрдү оңдоо
Terminal-Bench 2.1	70.2%	60.4%	Көп кадамдуу кабык жана курал иши
SWE-Bench Pro	59.4%	—	Оорураак, булганууга туруктуу репозиторий тапшырмалары
Toolathlon Verified	49.7%	—	Көптөгөн API боюнча курал колдонуунун кеңдиги
SWE Atlas	46.2%	—	Узак горизонттогу репозиторийди кыдыруу
DeepSWE v1.1	40.4%	16.5%	Агенттик программалык инженерия

Эки тилкенин ортосундагы ажырым — бул жердеги эң иштиктүү сан: DeepSWE'де ой жүгүртүү күйгүзүлгөндө упай эки эседен ашык өсөт, ал эми Terminal-Bench'те он пунктка жакын кошот.

Кванттелбеген Laguna S 2.1 чыгарылышы үчүн Poolside билдирген сандар, 2026-жылдын июлу. Алар биздин W4A16-AutoRound-REAP курулушубуздун өлчөөлөрү эмес, жана биз ал үчүн өз бенчмарк сандарыбызды жарыялабайбыз. Биздин API'дагы ой бюджетин башкаруу үчүн reasoning_effort'ту колдонуңуз.

Маектешүү жана чыгармачыл иш үчүн чынчыл позиция мындай: узун агенттик айлампалардын артындагы сапаттар — көп абалды ырааттуу кармоо, тапшырмадан жаңылбоо, четтебөө — узун формадагы образ менен иштөөнүн артындагы ошол эле сапаттар, жана практикада ал өтө узун терезеде үндү жакшы кармайт. Муну эч бир жарыяланган бенчмарк айтпайт, ал эми биз аны ойлоп чыгарбайбыз. Аны өз промпттарыңызда сынап көрүңүз; миллион кирүү токенине $0.50 баада бул дээрлик бекер.

05Түп баа чындыгында эмне сатып алат?

Миллион токенге $0.50 кирүү / $2.00 чыгуу — Shannon AI шлюзүндөгү баштапкы деңгээл, аны MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro жана Hy3 бөлүшөт. Так түрдө:

Жүк	Кирүү	Чыгуу	Баасы
100K тарыхы бар бир маек кезеги	100,000	2,000	$0.054
Узун баяндамадан 5 000 сөздүк бөлүм	30,000	7,000	$0.029
1 000 кыска маек кезеги	4,000,000	500,000	$3.00
Толук 262K токендик контекстти окуу	262,144	16,384	$0.164

Акыркы сап — өздөштүрүү керек болгону: бүткүл контекст терезесин толтуруп, эң чоң 16 384 токендик жоопту жаратуу болжол менен он алты центке турат. Бүтүндөй кол жазманы, сессия транскриптин же документтер топтомун бир чакырууга берүү бюджет чечими болбой калып, кечигүү чечимине айланат. Ошол эле арифметика түп баанын экинчи колдонуу учурун — көлөмдү — козгойт: топтомдук классификация, массалык кайра жазуу, синтетикалык диалог, кийин күчтүүрөөк модель тактай турган биринчи долбоор. Баа барагын жана изилдөө индексин караңыз.

06Бул жерде «цензурасыз» эмнени билдирет

Ал айтылгандай эле нерсени билдирет: баш тартуу катмары жана чыгууга мазмун чыпкасы жок. Модель менен жообуңуздун ортосунда сурашка укугуңуз бар беле деп чечкен классификатор турбайт; модель сиз сураган регистрде жооп берет жана адегенде негизиңиз тууралуу нускат окубайт.

Чыгармачыл иш үчүн бул колдонууга жарактуу курал менен жараксыздын ортосундагы айырма. Көркөм адабиятта коркунучтуу антагонисттер, ынандырарлык калп айткан каармандар, кесепети бар зомбулук, адеп жагынан кемчил баяндоочулар болот — образдан чыгып, эскертүү кошуп жаткан модель тапшырманы аткарган эмес, аны бузган. Ошол эле коопсуздук изилдөөсүнө, red-team документтерине, медициналык жана укуктук долбоорлорго, ошондой эле булагы түз болгон котормого тиешелүү: баш тартуу жөн эле туура эмес жооп болгон категорияларга. Бул сот сиздики болбой калат дегени эмес — жараткан нерсеңиз үчүн биздин жоопкерчиликтүү колдонуу саясатыбыз жана колдонулуучу мыйзам боюнча жооптуу бойдон каласыз.

07Цензурасыз Laguna API'ди кантип чакыруу керек

Үч диалект, бир модель: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Агымдуу берүү үчөөндө тең иштейт, ошондуктан учтагы интеграция базалык URL менен модель id'син өзгөртүү аркылуу көчүп келет — SDK алмаштыруу да, билдирүү иштетүүңүздү кайра жазуу да керек эмес.

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"
}

Бир нече практикалык эскертүү:

• Бул модель id'сине response_format же json_schema жөнөтпөңүз — эгер клиент китепканаңыз аны демейки боюнча койсо, аны алып салыңыз же колдогон тектешине өтүңүз.
• Куралдар кадимки tools массивине кетет — курал чакыруу толук колдоого алынат; эркин тексттеги схеманы мажбурлоо гана жок.
• Ой жүгүртүүңүздү бюджеттеңиз. reasoning_effort сыйланат — төмөн же өчүк маек кечигүүсүн кыска, чыгуу токендерин арзан кармайт; көп кадамдуу курал иши үчүн аны көтөрүңүз, жогорудагы бенчмарк ажырымы ал эмне бераарын көрсөтөт.
• Чыгуу чеги — сурамга 16 384 токен. Китеп көлөмүндөгү жаратуу үчүн аны бөлүмдөргө бөлүп, агым менен алыңыз.
• Текст гана. Бул модель id'синде сүрөт киргизүү жок — көрүү үчүн MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 же inkling колдонуңуз.

Параметрлердин толук справкасы, аутентификация, ката семантикасы жана жандуу аянтча: API документтери.

08Аны качан тандоо керек, качан керек эмес

Аны мына качан тандаңыз: чыгууңуз адам окуй турган проза, диалог же код болгондо; курал чакыруу керек, бирок схема менен чектелген текст керек эмес болгондо; узун контексте токендин баасы үстөмдүк кылганда; же тизменин калганын толтурган DeepSeek, Kimi жана MiMo үй-бүлөлөрүнөн башка тектен экинчи пикир алгыңыз келгенде.

Башканы мына качан тандаңыз: кепилденген JSON керек болгондо (MiMo-V2.5-Pro), сүрөт түшүнүү керек болгондо (Kimi-K2.6 же MiMo-V2.5), же жоопту туура алуунун жанында баа айырмасы маанисиз болгон алдыңкы татаалдык учурунда (DeepSeek-V4-Pro, Kimi-K3).

09Көп берилүүчү суроолор

---

Булактар: Poolside — Laguna S 2.1 модель карточкасы · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Архитектура жана бенчмарк сандары кванттелбеген чыгарылыш үчүн чыгаруучу тарабынан билдирилген, биз тейлеген курулуштун өлчөөлөрү эмес. Shannon AI'ды Shannon Lab LLC (Нью-Мексико, АКШ) тейлейт.