Laguna без цензуры API

Большинство страниц про «дешёвую модель» просят вас принять маленькую усталую основу в обмен на низкую цифру. Эта — нет. Laguna S 2.1 — релиз разреженной Mixture-of-Experts текущего поколения, обученный на 4 096 H200 и выпущенный меньше чем за девять недель, и он стоит на той же нижней планке $0.50 / $2.00, что и любая другая модель начального уровня, которую мы обслуживаем. Размен узкий и легко осмысляемый: вы отказываетесь от серверного принуждения к структурированному выводу и сохраняете всё остальное.

01Что такое Laguna S 2.1?

Laguna S 2.1 — модель с открытыми весами, выпущенная компанией Poolside 21 июля 2026 года под пермиссивной лицензией OpenMDW-1.1 — средний по размеру член семейства Laguna, между Laguna XS 2.1 (33B/3B активных) и Laguna M.1 (225B/23B активных).

Опубликованная архитектура — маршрутизатор с выбором по токену и гейтингом softplus поверх 256 маршрутизируемых экспертов плюс один общий, десять выбираются на токен, на 48 слоях: двенадцать с глобальным вниманием, тридцать шесть со скользящим окном в 512 токенов — чередование, которое удерживает стоимость внимания на очень длинных входах ближе к линейной, чем к квадратичной. Внимание — grouped-query с 8 ключ-значение головами при размерности головы 128.

Для потребителя API важны два следствия. Разреженная активация — причина, по которой модель на 118B может стоять по нижней цене: на токен работает лишь ~8B параметров, так что вычисления на токен ближе к небольшой плотной модели, чем подсказывает число параметров. А чередование со скользящим окном — причина, по которой длинное окно действительно пригодно, а не номинально. Релиз Poolside поддерживает 1 048 576 токенов; мы обслуживаем 262 144, как и все прочие модели на шлюзе.

02Единственная оговорка: нет структурированного вывода

Что по-прежнему работает. Вызов инструментов поддерживается полностью, и аргументы вызова инструментов по-прежнему приходят JSON-объектом ровно так же, как и на любой другой модели здесь. Если «структурированный вывод» вашего приложения на самом деле означает аргументы инструментов — а это верно для большинства агентных фреймворков, MCP-серверов и надстроек над базами данных, — Laguna S 2.1 вам вполне подходит. Стриминг работает во всех трёх диалектах; reasoning_effort работает.

Что не работает. Вы не можете передать эндпоинту JSON-схему и получить гарантию, что текстовый ответ ассистента ей соответствует, а response_format: {"type": "json_object"} не даёт ничего. Промпт с просьбой выдать JSON обычно и выдаёт JSON — модель компетентная, — но «обычно» не является контрактом. Сама Poolside документирует некорректное экранирование JSON в глубоко вложенных вызовах инструментов как известное ограничение — напоминание о том, что гарантия, там где она есть в остальной части нашей линейки, идёт от слоя обслуживания, а не от добрых намерений модели.

Какого родственника взять вместо неё

Если вашей нагрузке нужен гарантированный JSON, не боритесь с этой моделью — поменяйте идентификатор модели. Четыре родственника стоят по идентичной цене $0.50 / $2.00 с полной поддержкой json_schema и response_format:

Идентификатор модели	json_schema	Зрение	Почему выбрать
MiMo-V2.5-Pro-W8A16	Да	Нет	Прямая замена — 8-битные веса, уровень максимальной точности, та же цена
MiMo-V2.5-W8A16	Да	Да	То же плюс ввод изображений
Hy3-W8A16	Да	Нет	Ещё одна 8-битная текстовая модель по нижней цене
DeepSeek-V4-Flash-0731	Да	Нет	W4A16-AutoRound-REAP, как у Laguna, но с поддержкой схемы

Естественный выбор по умолчанию — MiMo-V2.5-Pro (W8A16): только текст, нижняя цена, квантизация на самом щадящем уровне из тех, что мы используем — подробности в карточке модели MiMo-V2.5. Поскольку все двенадцать моделей делят эндпоинты, контекстное окно и потолок вывода, переключение — это правка одной строки в поле model.

03Что означает W4A16-AUTOROUND-REAP?

Суффикс в идентификаторе модели — не украшение: он говорит ровно то, как веса были сжаты, прежде чем их загрузили на наш GPU-кластер. Три части.

W4A16 — 4-битные веса, 16-битные активации

Веса хранятся в 4 битах; активации — значения, текущие между слоями во время инференса — остаются 16-битными. Урезание весов до четверти их объёма в BF16 — это то, что позволяет модели на 118B поместиться и остаться быстрой, а сохранение широких активаций защищает численно чувствительную часть прямого прохода. Сжимаем то, что велико и статично, и оставляем в покое то, что мало и динамично.

AutoRound — обучаемое округление, а не округление к ближайшему

Наивный способ квантовать — округление к ближайшему: прищёлкнуть каждый вес к ближайшему 4-битному значению и смириться с ошибкой. AutoRound, открытый инструментарий посттренировочной квантизации от Intel, работает лучше: его метод SignRound применяет знаковый градиентный спуск, чтобы совместно оптимизировать решения об округлении и диапазоны отсечения за пару сотен шагов, решая для каждого веса, что нанесёт меньше ущерба фактическому выходу слоя — округление вверх или вниз. Он заимствует идею у обучения с учётом квантизации без затрат на переобучение, и именно поэтому сборка W4A16 может быть серьёзной моделью, а не курьёзом с потерями.

REAP — отсечение экспертов вместо их слияния

REAP — это Router-weighted Expert Activation Pruning, опубликованный Cerebras Research. В MoE-модели не все эксперты отрабатывают своё место: к некоторым маршрутизатор отправляет мало токенов, а некоторые вносят малую величину, даже когда срабатывают. REAP оценивает каждого эксперта по обоим сигналам — значениям гейта маршрутизатора и нормам активаций эксперта — и одним шагом удаляет малозначимых, ещё до квантизации. Принципиально, что он отсекает, а не сливает: слияние складывает нескольких экспертов в одного, разрушая мелкозернистый, зависящий от входа контроль маршрутизатора и внося порог ошибки, который никакой подстройкой не убрать (авторы называют это коллапсом функционального подпространства), тогда как отсечение оставляет выживших и контроль маршрутизатора над ними нетронутыми. Cerebras сообщает об удалении до 50% экспертов из триллионно-параметрических моделей при во многом сохранённом базовом качестве — на 480B модели для кода при 50% отсечении это 97,6% от базовой неагентной способности к коду и 96,7% на агентном SWE-Bench. Это цифры Cerebras для их собственных моделей, а не измерения нашей сборки, но именно из-за них мы гоняем этот стек на основе, чья главная сила — код.

Вместе суффикс читается как предложение: отсечь экспертов, которыми почти не пользовались, обучить 4-битное округление вместо угадывания, оставить активации на полной ширине.

04В чём эта модель действительно хороша?

Сначала честность: Laguna S 2.1 — разговорная модель только для текста — на этом идентификаторе модели ввода изображений нет — и Poolside строила её для агентного кодирования и работы на длинном горизонте, а не для прозы. Посттренировка прошла на более чем 409 000 сред, включая 83 000 терминальных и 168 000 программно-инженерных задач, с обучением с подкреплением в FP8. Результаты, сообщённые Poolside для неквантизованного релиза:

Бенчмарк	С размышлением	Без размышления	Что измеряет
SWE-Bench Multilingual	78.5%	—	Реальные исправления багов на многих языках
Terminal-Bench 2.1	70.2%	60.4%	Многошаговая работа в шелле и с инструментами
SWE-Bench Pro	59.4%	—	Более сложные задачи по репозиториям, устойчивые к загрязнению
Toolathlon Verified	49.7%	—	Широта работы с инструментами по многим API
SWE Atlas	46.2%	—	Навигация по репозиторию на длинном горизонте
DeepSWE v1.1	40.4%	16.5%	Агентная разработка программного обеспечения

Разрыв между двумя столбцами — самое практически полезное число здесь: на DeepSWE результат более чем удваивается при включённом рассуждении, а на Terminal-Bench прибавляет почти десять пунктов.

Цифры, сообщённые Poolside для неквантизованного релиза Laguna S 2.1, июль 2026 года. Это не измерения нашей сборки W4A16-AutoRound-REAP, и собственных бенчмарк-чисел для неё мы не публикуем. Управляйте бюджетом размышлений на нашем API через reasoning_effort.

Для разговорной и творческой работы честная позиция такова: качества, стоящие за длинными агентными прогонами — связно удерживать много состояния, не сходить с задачи, не уплывать — те же, что стоят за длинной работой в характере, и на практике она хорошо держит голос на очень длинном окне. Ни один опубликованный бенчмарк этого не говорит, и мы не станем его выдумывать. Проверьте на своих промптах; при $0.50 за миллион входных токенов это почти бесплатно.

05Что реально покупает нижняя цена?

$0.50 вход / $2.00 выход за миллион токенов — начальный уровень на шлюзе Shannon AI Gateway, общий с MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro и Hy3. Конкретно:

Нагрузка	Вход	Выход	Стоимость
Один ход диалога со 100K истории	100,000	2,000	$0.054
Глава на 5 000 слов из длинного брифа	30,000	7,000	$0.029
1 000 коротких ходов диалога	4,000,000	500,000	$3.00
Полное чтение контекста в 262K токенов	262,144	16,384	$0.164

Последняя строка — та, которую стоит усвоить: заполнить всё контекстное окно и сгенерировать максимальный ответ в 16 384 токена стоит около шестнадцати центов. Скормить целую рукопись, транскрипт сессии или набор документов в один вызов перестаёт быть бюджетным решением и становится решением про задержку. Та же арифметика движет и другим сценарием нижней цены — объёмом: пакетная классификация, массовое переписывание, синтетические диалоги, черновики первого прохода, которые потом дошлифует модель посильнее. Смотрите страницу цен и указатель исследований.

06Что здесь означает «без цензуры»

Означает буквально то, что сказано: нет слоя отказов и нет контентной фильтрации вывода. Между моделью и вашим ответом не сидит классификатор, решающий, имели ли вы право спросить; модель отвечает в том регистре, о котором вы просили, и не читает вам сперва лекцию о посылке вопроса.

Для творческой работы это разница между пригодным инструментом и непригодным. В художественном тексте есть угрожающие антагонисты, персонажи, которые убедительно лгут, насилие с последствиями, морально скомпрометированные рассказчики — модель, которая выходит из образа, чтобы приписать дисклеймер, провалила задачу, а не преуспела в безопасности. То же верно для исследований безопасности, документации red-team, медицинских и юридических черновиков и перевода, где источник резок: категории, в которых отказ — просто неверный ответ. Чего это не означает, так это того, что суждение перестаёт быть вашим — вы остаётесь ответственны за то, что генерируете, согласно нашей Политике ответственного использования и применимому праву.

07Как вызывать Laguna API без цензуры

Три диалекта, одна модель: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Стриминг работает во всех трёх, так что существующая интеграция переезжает сменой базового URL и идентификатора модели — без замены SDK и без переписывания обработки сообщений.

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"
}

Несколько практических замечаний:

• Не отправляйте response_format или json_schema на этот идентификатор модели — если ваша клиентская библиотека выставляет один из них по умолчанию, снимите его или перейдите на родственника, который его поддерживает.
• Инструменты идут в обычном массиве tools — вызов инструментов поддерживается полностью; не поддерживается только принуждение к схеме для свободного текста.
• Планируйте бюджет рассуждений. reasoning_effort учитывается — низкое значение или его отключение держит задержку диалога низкой, а выходные токены дешёвыми; поднимайте его для многошаговой работы с инструментами, где разрыв в бенчмарках выше показывает, что это даёт.
• Потолок вывода — 16 384 токена на запрос. Для генерации книжного объёма разбивайте по главам и стримьте.
• Только текст. На этом идентификаторе модели ввода изображений нет — для зрения используйте MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 или inkling.

Полный справочник параметров, аутентификация, семантика ошибок и живая песочница: документация API.

08Когда её выбирать, а когда нет

Выбирайте её, когда ваш вывод — проза, диалог или код, который читает человек; вам нужен вызов инструментов, но не текст, ограниченный схемой; стоимость за токен важнее длинного контекста; или вы хотите второе мнение от родословной, отличной от семейств DeepSeek, Kimi и MiMo, заполняющих остальную линейку.

Выбирайте что-то другое, когда вам нужен гарантированный JSON (MiMo-V2.5-Pro), понимание изображений (Kimi-K2.6 или MiMo-V2.5) либо фронтирный край сложности, где разрыв в цене неважен рядом с получением верного ответа (DeepSeek-V4-Pro, Kimi-K3).

09Часто задаваемые вопросы

---

Источники: Poolside — карточка модели Laguna S 2.1 · Представляем Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Цифры по архитектуре и бенчмаркам приведены издателем для неквантизованного релиза и не являются измерениями обслуживаемой нами сборки. Shannon AI управляется компанией Shannon Lab LLC, Нью-Мексико, США.