Necenzēts Laguna API

Vairums „lētā modeļa” lapu lūdz jūs pieņemt mazu, nogurušu pamatmodeli apmaiņā pret zemu skaitli. Šī nelūdz. Laguna S 2.1 ir pašreizējās paaudzes rets Mixture-of-Experts laidiens, trenēts uz 4,096 H200 un izlaists nepilnās deviņās nedēļās, un tas atrodas pie tās pašas $0.50 / $2.00 grīdas, kur katrs cits ieejas līmeņa modelis, ko pasniedzam. Apmaiņa ir šaura un viegli aptverama: jūs atsakāties no servera uzspiestas strukturētas izvades un paturat visu pārējo.

01Kas ir Laguna S 2.1?

Laguna S 2.1 ir atvērto svaru modelis, ko Poolside izlaida 2026. gada 21. jūlijā zem pieļāvīgās OpenMDW-1.1 licences — Laguna saimes vidējā izmēra loceklis starp Laguna XS 2.1 (33B/3B aktīvo) un Laguna M.1 (225B/23B aktīvo).

Publicētā arhitektūra ir tokena izvēles maršrutētājs ar softplus vārtošanu pār 256 maršrutētiem ekspertiem plus vienu koplietotu, desmit izvēlētiem uz tokenu, 48 slāņos — divpadsmit ar globālo uzmanību, trīsdesmit seši ar bīdāmo logu 512 tokenu platumā —, un šī pārmaiņu likšana ļoti garu ievadu uzmanības izmaksas notur tuvu lineārām, nevis kvadrātiskām. Uzmanība ir grupētu vaicājumu ar 8 atslēgu un vērtību galvām pie galvas dimensijas 128.

API patērētājam ir svarīgas divas sekas. Retā aktivācija ir iemesls, kāpēc 118B modelis var sēdēt pie grīdas cenas — uz tokenu strādā tikai ~8B parametru, tāpēc skaitļošana uz tokenu ir tuvāka mazam blīvam modelim, nekā parametru skaits liek domāt. Un bīdāmā loga pārmaiņu likšana ir iemesls, kāpēc garais logs ir patiešām lietojams, nevis nomināls. Poolside laidiens atbalsta 1,048,576 tokenus; mēs pasniedzam 262,144, atbilstoši katram citam vārtejas modelim.

02Vienīgā atruna: nav strukturētas izvades

Kas joprojām darbojas. Rīku izsaukšana ir pilnībā atbalstīta, un rīku izsaukumu argumenti joprojām pienāk kā JSON objekts tieši tāpat kā uz jebkura cita šejienes modeļa. Ja jūsu lietotnes „strukturētā izvade” patiesībā ir rīku argumenti — kas tā ir vairumam aģentu ietvaru, MCP serveru un datubāzu priekšgalu —, Laguna S 2.1 jums der lieliski. Straumēšana darbojas visos trīs dialektos; reasoning_effort darbojas.

Kas nedarbojas. Jūs nevarat galapunktam padot JSON shēmu un saņemt garantiju, ka asistenta teksta atbilde tai atbildīs, un response_format: {"type": "json_object"} jums neko nedod. Uzvedne, kas prasa JSON, parasti dod JSON — šis ir kompetents modelis —, bet „parasti” nav līgums. Pati Poolside kā zināmu ierobežojumu dokumentē nepareizu JSON aizsargzīmju lietojumu dziļi ligzdotos rīku izsaukumos, un tas atgādina, ka garantija tur, kur mūsu sarakstā tā pastāv, nāk no apkalpošanas slāņa, nevis no modeļa labajiem nodomiem.

Kuru radinieku izmantot tā vietā

Ja jūsu darba slodzei vajag garantētu JSON, necīnieties ar šo modeli — nomainiet modeļa id. Četri radinieki atrodas pie identiskas $0.50 / $2.00 cenas ar pilnu json_schema un response_format atbalstu:

Modeļa id	json_schema	Redze	Kāpēc to izvēlēties
MiMo-V2.5-Pro-W8A16	Jā	Nē	Tiešā maiņa — 8 bitu svari, augstākās precizitātes līmenis, tā pati cena
MiMo-V2.5-W8A16	Jā	Jā	Tas pats, plus attēlu ievade
Hy3-W8A16	Jā	Nē	Vēl viens 8 bitu teksta modelis par grīdas cenu
DeepSeek-V4-Flash-0731	Jā	Nē	W4A16-AutoRound-REAP tāpat kā Laguna, bet ar shēmas atbalstu

Dabiskais noklusējums ir MiMo-V2.5-Pro (W8A16): tikai teksts, grīdas cena, kvantēts maigākajā līmenī, kādu darbinām — sīkāk MiMo-V2.5 modeļa kartē. Tā kā visi divpadsmit modeļi dala galapunktus, konteksta logu un izvades griestus, pārslēgšanās ir vienas rindas izmaiņa model laukā.

03Ko nozīmē W4A16-AUTOROUND-REAP?

Piedēklis modeļa id nav dekorācija — tas precīzi pasaka, kā svari tika saspiesti, pirms tos ielādēja mūsu GPU klasterī. Trīs daļas.

W4A16 — 4 bitu svari, 16 bitu aktivācijas

Svari tiek glabāti 4 bitos; aktivācijas — vērtības, kas izsecināšanas laikā plūst starp slāņiem — paliek 16 bitos. Svaru samazināšana līdz ceturtdaļai no to BF16 nospieduma ir tas, kas 118B modelim ļauj ietilpt un palikt ātram, kamēr aktivāciju atstāšana platas sargā skaitliski jutīgo tiešās caurlaides daļu. Saspiediet to, kas ir liels un statisks, un atstājiet mierā to, kas ir mazs un dinamisks.

AutoRound — iemācīta noapaļošana, nevis noapaļošana uz tuvāko

Naivais kvantēšanas veids ir noapaļošana uz tuvāko: katru svaru piespiež tuvākajai 4 bitu vērtībai un pieņem kļūdu. AutoRound — Intel atvērtais pēctreniņa kvantēšanas rīkkopums — dara labāk: tā SignRound metode ar zīmoto gradienta nolaišanos pāris simtos soļu kopīgi optimizē noapaļošanas lēmumus un apgriešanas diapazonus, katram svaram izlemjot, vai noapaļošana uz augšu vai uz leju nodara mazāk kaitējuma slāņa faktiskajai izvadei. Tā aizņemas ideju no kvantēšanu apzinoša treniņa bez pārtreniņa izmaksām, un tieši tāpēc W4A16 būve var būt nopietns modelis, nevis zudumains kuriozs.

REAP — ekspertu atzarošana to apvienošanas vietā

REAP ir maršrutētāja svērtā ekspertu aktivācijas atzarošana, publicēta Cerebras Research. MoE modelī ne visi eksperti pelna savu maizi: uz dažiem maršrutētājs sūta maz tokenu, un daži nostrādājot dod maz. REAP katru ekspertu novērtē pēc abiem signāliem — maršrutētāja vārtu vērtībām un eksperta aktivācijas normām — un vienā piegājienā noņem zemas izteiksmības ekspertus, pirms kvantēšanas. Būtiski, ka tā atzaro, nevis apvieno: apvienošana vairākus ekspertus salocītu vienā, iznīcinot maršrutētāja smalko, no ievades atkarīgo vadību un ieviešot kļūdas grīdu, ko nekāda noskaņošana nenoņem (autori to sauc par funkcionālās apakštelpas sabrukumu), kamēr atzarošana atstāj izdzīvojušos un maršrutētāja vadību pār tiem neskartu. Cerebras ziņo par līdz 50% ekspertu noņemšanu no triljona parametru modeļiem, lielā mērā noturot bāzes kvalitāti — uz 480B kodēšanas modeļa ar 50% atzarošanu 97.6% no bāzes neaģentiskās kodēšanas spējas un 96.7% uz aģentiskā SWE-Bench. Tie ir Cerebras skaitļi par to pašu modeļiem, nevis mūsu būves mērījumi, taču tie ir iemesls, kāpēc mēs darbinām šo steku uz pamatmodeļa, kura galvenā stiprā puse ir kods.

Kopā piedēklis lasās kā teikums: atzarojiet ekspertus, kas gandrīz netika lietoti, iemācieties 4 bitu noapaļošanu, nevis miniet to, un paturiet aktivācijas pilnā platumā.

04Kam šis modelis patiešām ir labs?

Vispirms godīgums: Laguna S 2.1 ir tikai teksta sarunu modelis — uz šī modeļa id nav attēlu ievades —, un Poolside to būvēja aģentiskai kodēšanai un ilga horizonta darbam, nevis prozai. Pēctreniņš noritēja pār 409,000 vidēm, ieskaitot 83,000 termināļa un 168,000 programmatūras inženierijas uzdevumu, ar pastiprināšanas mācīšanos FP8. Poolside ziņotie rezultāti par nekvantēto laidienu:

Etalons	Ar domāšanu	Bez domāšanas	Ko tas mēra
SWE-Bench Multilingual	78.5%	—	Īsti kļūdu labojumi daudzās valodās
Terminal-Bench 2.1	70.2%	60.4%	Daudzsoļu čaulas un rīku darbs
SWE-Bench Pro	59.4%	—	Grūtāki, pret piesārņojumu noturīgi repozitoriju uzdevumi
Toolathlon Verified	49.7%	—	Rīku lietošanas plašums daudzos API
SWE Atlas	46.2%	—	Ilga horizonta orientēšanās repozitorijā
DeepSWE v1.1	40.4%	16.5%	Aģentiskā programmatūras inženierija

Plaisa starp abām kolonnām ir šeit noderīgākais skaitlis: uz DeepSWE vērtējums vairāk nekā divkāršojas, kad spriešana ir ieslēgta, un uz Terminal-Bench tas iegūst gandrīz desmit punktus.

Poolside ziņoti skaitļi par nekvantēto Laguna S 2.1 laidienu, 2026. gada jūlijs. Tie nav mūsu W4A16-AutoRound-REAP būves mērījumi, un mēs par to nepublicējam nekādus savus etalonu skaitļus. Domāšanas budžetu mūsu API vadiet ar reasoning_effort.

Sarunu un radošam darbam godīgā nostāja ir šāda: īpašības aiz gariem aģentiskiem gājieniem — daudz stāvokļa noturēšana saskaņoti, palikšana pie uzdevuma, nedreifēšana — ir tās pašas, kas aiz gara formāta tēlu darba, un praksē tas balsi ļoti garā logā notur labi. To nesaka neviens publicēts etalons, un mēs tādu neizdomāsim. Notestējiet to uz savām uzvednēm; par $0.50 uz miljonu ievades tokenu tas ir gandrīz bez maksas.

05Ko grīdas cena patiesībā nopērk?

$0.50 ievadē / $2.00 izvadē uz miljonu tokenu ir ieejas līmenis Shannon AI vārtejā, kopīgs ar MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro un Hy3. Konkrēti:

Darba slodze	Ievade	Izvade	Izmaksas
Viens čata gājiens ar 100K vēstures	100,000	2,000	$0.054
5,000 vārdu nodaļa no gara uzdevuma apraksta	30,000	7,000	$0.029
1,000 īsu sarunas gājienu	4,000,000	500,000	$3.00
Pilns 262K tokenu konteksta lasījums	262,144	16,384	$0.164

Pēdējā rinda ir tā, kas jāpieņem par savu: visa konteksta loga piepildīšana un maksimālās 16,384 tokenu atbildes ģenerēšana maksā aptuveni sešpadsmit centus. Vesela manuskripta, sesijas transkripta vai dokumentu kopas iebarošana vienā izsaukumā pārstāj būt budžeta lēmums un kļūst par latentuma lēmumu. Tā pati aritmētika dzen otru grīdas cenas lietojumu — apjomu: partiju klasifikāciju, lielapjoma pārrakstīšanu, sintētisku dialogu, pirmās kārtas melnrakstus, ko vēlāk piestrādā stiprāks modelis. Skatiet cenu lapu un pētniecības rādītāju.

06Ko šeit nozīmē „necenzēts”

Tas nozīmē tieši to, ko saka: nav atteikuma slāņa un nav satura filtrēšanas izvadē. Starp modeli un jūsu atbildi nesēž klasifikators, kas izlemj, vai jums bija atļauts jautāt; modelis atbild tajā reģistrā, kādu prasījāt, un vispirms nelasa jums lekciju par pieņēmumu.

Radošam darbam tā ir starpība starp lietojamu un nelietojamu rīku. Daiļliteratūrā ir draudīgi pretinieki, tēli, kas pārliecinoši melo, vardarbība ar sekām, morāli aptraipīti stāstītāji — modelis, kas izlec no lomas, lai pievienotu atrunu, uzdevumu ir izgāzis, nevis izpildījis drošību. Tas pats attiecas uz drošības pētniecību, sarkanās komandas dokumentāciju, medicīnisku un juridisku rakstīšanu un tulkošanu, kur avots ir tiešs: kategorijas, kurās atteikums vienkārši ir nepareiza atbilde. Ko tas nenozīmē, ir to, ka spriedums pārstātu būt jūsu — jūs paliekat atbildīgi par to, ko ģenerējat, saskaņā ar mūsu atbildīgas lietošanas politiku un piemērojamajiem likumiem.

07Kā izsaukt necenzēto Laguna API

Trīs dialekti, viens modelis: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Straumēšana darbojas visos trīs, tāpēc esoša integrācija pārceļas, nomainot bāzes URL un modeļa id — bez SDK maiņas un bez ziņojumu apstrādes pārrakstīšanas.

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"
}

Dažas praktiskas piezīmes:

• Nesūtiet uz šo modeļa id response_format vai json_schema — ja jūsu klienta bibliotēka to pēc noklusējuma iestata, noņemiet to vai pārejiet uz radinieku, kas to atbalsta.
• Rīki iet parastajā tools masīvā — rīku izsaukšana ir pilnībā atbalstīta; nav tikai brīvā teksta shēmas uzspiešanas.
• Budžetējiet savu spriešanu. reasoning_effort tiek ievērots — zems vai izslēgts notur sarunas latentumu zemu un izvades tokenus lētus; paceliet to daudzsoļu rīku darbam, kur augstāk redzamā etalonu plaisa parāda, ko tas nopērk.
• Izvades griesti ir 16,384 tokeni uz pieprasījumu. Grāmatas garuma ģenerēšanai dalieties pa nodaļām un straumējiet.
• Tikai teksts. Uz šī modeļa id attēlu ievades nav — redzei izmantojiet MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 vai inkling.

Pilna parametru atsauce, autentifikācija, kļūdu semantika un dzīva izmēģinājumu vide: API dokumentācija.

08Kad to izvēlēties un kad ne

Izvēlieties to, kad jūsu izvade ir proza, dialogs vai kods, ko lasa cilvēks; kad vajag rīku izsaukšanu, bet ne ar shēmu ierobežotu tekstu; kad izmaksas uz tokenu dominē pār garu kontekstu; vai kad vēlaties otru viedokli no citas cilts nekā DeepSeek, Kimi un MiMo saimes, kas aizpilda pārējo sarakstu.

Izvēlieties ko citu, kad vajag garantētu JSON (MiMo-V2.5-Pro), attēlu saprašanu (Kimi-K2.6 vai MiMo-V2.5) vai priekšpulka grūtības galu, kur cenu starpība ir nesvarīga blakus pareizas atbildes iegūšanai (DeepSeek-V4-Pro, Kimi-K3).

09Biežāk uzdotie jautājumi

---

Avoti: Poolside — Laguna S 2.1 modeļa karte · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Arhitektūras un etalonu skaitļi ir izdevēja ziņoti par nekvantēto laidienu, nevis mērījumi par būvi, ko pasniedzam. Shannon AI uztur Shannon Lab LLC, Ņūmeksika, ASV.