Necenzurované Laguna API

Väčšina stránok o „lacnom modeli“ vás žiada prijať malý, unavený základ výmenou za nízke číslo. Táto nie. Laguna S 2.1 je vydanie riedkeho MoE súčasnej generácie, trénované na 4 096 kartách H200 a dodané za menej než deväť týždňov, a sedí na tom istom dne 0,50 $ / 2,00 $ ako každý iný model vstupnej úrovne, ktorý servírujeme. Výmena je úzka a ľahko sa o nej uvažuje: vzdáte sa serverom vynúteného štruktúrovaného výstupu a všetko ostatné vám zostane.

01Čo je Laguna S 2.1?

Laguna S 2.1 je model s otvorenými váhami, ktorý vydal Poolside 21. júla 2026 pod permisívnou licenciou OpenMDW-1.1 — stredne veľký člen rodiny Laguna, medzi Laguna XS 2.1 (33B/3B aktívnych) a Laguna M.1 (225B/23B aktívnych).

Zverejnená architektúra je smerovač typu token-choice so softplus bránou nad 256 smerovanými expertmi plus jedným zdieľaným, desiatimi vybranými na token, naprieč 48 vrstvami — dvanásť s globálnou pozornosťou, tridsaťšesť s posuvným oknom šírky 512 tokenov, prekladanie, ktoré udrží náklady pozornosti pri veľmi dlhých vstupoch blízko lineárnym namiesto kvadratických. Pozornosť je typu grouped-query s 8 kľúč-hodnota hlavami pri rozmere hlavy 128.

Pre spotrebiteľa API z toho plynú dva dôsledky. Riedka aktivácia je dôvod, prečo môže model so 118 miliardami parametrov sedieť na najnižšej cene — na token pracuje len ~8 miliárd parametrov, takže výpočet na token je bližšie k malému hustému modelu, než by počet parametrov naznačoval. A prekladanie s posuvným oknom je dôvod, prečo je dlhé okno naozaj použiteľné, a nie len nominálne. Vydanie Poolside podporuje 1 048 576 tokenov; my servírujeme 262 144, v zhode s každým ďalším modelom na bráne.

02Jediná výhrada: žiadny štruktúrovaný výstup

Čo stále funguje. Volanie nástrojov je plne podporované a argumenty volaní nástrojov stále prichádzajú ako JSON objekt presne tak ako pri každom inom modeli tu. Ak je „štruktúrovaný výstup“ vašej aplikácie v skutočnosti argumentmi nástrojov — čo platí pre väčšinu agentských frameworkov, MCP serverov a databázových nadstavieb — Laguna S 2.1 vám poslúži dobre. Streamovanie funguje na všetkých troch dialektoch; reasoning_effort funguje.

Čo nefunguje. Koncovému bodu nemôžete podať JSON schému a mať zaručené, že textová odpoveď asistenta jej vyhovie, a response_format: {"type": "json_object"} vám nekúpi nič. Prompt žiadajúci JSON zvyčajne JSON vyprodukuje — toto je kompetentný model — ale „zvyčajne“ nie je zmluva. Samotný Poolside dokumentuje nesprávne escapovanie JSON v hlboko vnorených volaniach nástrojov ako známe obmedzenie, čo pripomína, že záruka — tam, kde ju v našom katalógu inde máte — pochádza zo servírovacej vrstvy, nie z dobrých úmyslov modelu.

Ktorého súrodenca použiť namiesto neho

Ak vaša záťaž potrebuje zaručený JSON, nebojujte s týmto modelom — zmeňte id modelu. Štyria súrodenci sedia na identickej cene 0,50 $ / 2,00 $ s plnou podporou json_schema aj response_format:

Id modelu	json_schema	Videnie	Prečo by ste ho zvolili
MiMo-V2.5-Pro-W8A16	Áno	Nie	Priama náhrada — 8-bitové váhy, úroveň s najvyššou vernosťou, tá istá cena
MiMo-V2.5-W8A16	Áno	Áno	To isté, plus obrazový vstup
Hy3-W8A16	Áno	Nie	Ďalší 8-bitový textový model za najnižšiu cenu
DeepSeek-V4-Flash-0731	Áno	Nie	W4A16-AutoRound-REAP ako Laguna, podpora schémy zachovaná

Prirodzenou voľbou je MiMo-V2.5-Pro (W8A16): čisto textový, za najnižšiu cenu, kvantizovaný na najjemnejšej úrovni, akú prevádzkujeme — podrobnosti sú v sprievodcovi modelom MiMo-V2.5. Keďže všetkých dvanásť modelov zdieľa koncové body, kontextové okno aj strop výstupu, prepnutie je zmena jedného riadku v poli model.

03Čo znamená W4A16-AUTOROUND-REAP?

Prípona v id modelu nie je ozdoba — hovorí presne, ako boli váhy skomprimované, kým sa nahrali na náš GPU klaster. Tri časti.

W4A16 — 4-bitové váhy, 16-bitové aktivácie

Váhy sú uložené v 4 bitoch; aktivácie — hodnoty prúdiace medzi vrstvami pri inferencii — zostávajú v 16. Zoškrtanie váh na štvrtinu ich BF16 stopy je to, čo umožní modelu so 118 miliardami parametrov zmestiť sa a zostať rýchly, kým široké aktivácie chránia numericky citlivú časť doprednej cesty. Skomprimujte to, čo je veľké a statické, a to, čo je malé a dynamické, nechajte na pokoji.

AutoRound — naučené zaokrúhľovanie, nie zaokrúhľovanie na najbližšiu hodnotu

Naivný spôsob kvantizácie je zaokrúhľovanie na najbližšiu hodnotu: každú váhu prilepiť k najbližšej 4-bitovej hodnote a chybu prijať. AutoRound, otvorená sada nástrojov Intelu na kvantizáciu po tréningu, robí viac — jej metóda SignRound používa znamienkový gradientový zostup na spoločnú optimalizáciu rozhodnutí o zaokrúhľovaní a orezávacích rozsahov počas niekoľkých stoviek krokov a pri každej váhe rozhoduje, či zaokrúhlenie nahor alebo nadol menej poškodí skutočný výstup vrstvy. Preberá myšlienku z tréningu s vedomím kvantizácie bez nákladov na pretrénovanie, a práve preto môže byť build W4A16 seriózny model, a nie stratová kuriozita.

REAP — prerezávanie expertov namiesto ich zlučovania

REAP je Router-weighted Expert Activation Pruning, publikované Cerebras Research. V modeli typu MoE neťahajú všetci experti rovnako: smerovač niektorým posiela málo tokenov a niektorí prispejú malou magnitúdou, aj keď sa zapália. REAP hodnotí každého experta podľa oboch signálov — hodnôt brány smerovača a noriem aktivácií experta — a tých s nízkou výraznosťou odstráni jediným zásahom, pred kvantizáciou. Kľúčové je, že prerezáva, a nie zlučuje: zlučovanie zloží viacero expertov do jedného, čím zničí jemnú, na vstupe závislú kontrolu smerovača a zavedie chybové dno, ktoré žiadne doladenie neodstráni (autori to nazývajú kolapsom funkčného podpriestoru), kým prerezávanie ponechá tých, čo prežili, aj kontrolu smerovača nad nimi nedotknutú. Cerebras uvádza odstránenie až 50 % expertov z modelov s biliónom parametrov pri prevažne zachovanej východiskovej kvalite — na programátorskom modeli s 480 miliardami parametrov pri 50 % prerezaní 97,6 % východiskovej neagentskej schopnosti programovať a 96,7 % na agentskom SWE-Bench. To sú čísla Cerebras pre ich vlastné modely, nie merania nášho buildu, ale sú dôvodom, prečo tento stack prevádzkujeme na základe, ktorého hlavnou silou je kód.

Prípona sa spolu číta ako veta: prerež expertov, ktorí sa sotva používali, nauč sa 4-bitové zaokrúhľovanie namiesto hádania a aktivácie nechaj v plnej šírke.

04V čom je tento model naozaj dobrý?

Najprv poctivo: Laguna S 2.1 je čisto textový konverzačný model — pri tomto id modelu žiadny obrazový vstup — a Poolside ho postavil na agentské programovanie a prácu s dlhým horizontom, nie na prózu. Potréning bežal na viac než 409 000 prostrediach vrátane 83 000 terminálových a 168 000 softvérovo-inžinierskych úloh, s posilňovaným učením v FP8. Výsledky, ktoré Poolside uvádza pre nekvantizované vydanie:

Benchmark	S myslením	Bez myslenia	Čo meria
SWE-Bench Multilingual	78.5%	—	Skutočné opravy chýb naprieč mnohými jazykmi
Terminal-Bench 2.1	70.2%	60.4%	Viackroková práca v shelli a s nástrojmi
SWE-Bench Pro	59.4%	—	Ťažšie úlohy v repozitároch, odolné voči kontaminácii
Toolathlon Verified	49.7%	—	Šírka používania nástrojov naprieč mnohými API
SWE Atlas	46.2%	—	Navigácia v repozitári s dlhým horizontom
DeepSWE v1.1	40.4%	16.5%	Agentské softvérové inžinierstvo

Najpoužiteľnejším číslom je tu rozdiel medzi tými dvoma stĺpcami: na DeepSWE sa skóre pri zapnutom uvažovaní viac než zdvojnásobí a na Terminal-Bench získa takmer desať bodov.

Údaje uvádzané Poolside pre nekvantizované vydanie Laguna S 2.1, júl 2026. Nie sú meraniami nášho buildu W4A16-AutoRound-REAP a my preň nezverejňujeme žiadne vlastné benchmarkové čísla. Rozpočet na myslenie na našom API riadi reasoning_effort.

Pri konverzačnej a tvorivej práci je poctivá pozícia takáto: vlastnosti stojace za dlhými agentskými behmi — súvislé udržanie veľkého množstva stavu, zotrvanie pri úlohe, žiadny drift — sú tie isté, ktoré stoja za dlhou prácou s postavou, a v praxi drží hlas dobre naprieč veľmi dlhým oknom. Žiadny zverejnený benchmark to nehovorí a my si žiadny nevymyslíme. Otestujte si to na vlastných promptoch; pri 0,50 $ za milión vstupných tokenov je to takmer zadarmo.

05Čo si za najnižšiu cenu vlastne kúpite?

0,50 $ vstup / 2,00 $ výstup na milión tokenov je vstupná úroveň na bráne Shannon AI, zdieľaná s MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro a Hy3. Konkrétne:

Záťaž	Vstup	Výstup	Cena
Jedno kolo chatu so 100K histórie	100,000	2,000	$0.054
Kapitola na 5 000 slov z dlhého zadania	30,000	7,000	$0.029
1 000 krátkych konverzačných kôl	4,000,000	500,000	$3.00
Prečítanie celého kontextu na 262K	262,144	16,384	$0.164

Posledný riadok si treba zvnútorniť: zaplnenie celého kontextového okna a vygenerovanie maximálnej odpovede na 16 384 tokenov stojí asi šestnásť centov. Nakŕmiť jedným volaním celý rukopis, prepis sedenia či sadu dokumentov prestáva byť rozpočtovým rozhodnutím a stáva sa rozhodnutím o latencii. Tá istá aritmetika ženie aj druhé použitie najnižšej ceny — objem: dávkovú klasifikáciu, hromadné prepisovanie, syntetické dialógy, prvý koncept, ktorý neskôr dolaďuje silnejší model. Pozri stránku s cenami a výskumný index.

06Čo tu znamená „necenzurované“

Znamená to, čo hovorí: žiadna vrstva odmietania a žiadne filtrovanie obsahu na výstupe. Medzi modelom a vašou odpoveďou nesedí klasifikátor rozhodujúci, či ste sa smeli opýtať; model odpovedá v registri, o ktorý ste požiadali, a nezačne vám prednášať o vašom zadaní.

Pri tvorivej práci je to rozdiel medzi použiteľným a nepoužiteľným nástrojom. Beletria obsahuje hrozivých protivníkov, postavy, ktoré presvedčivo klamú, násilie s následkami, morálne skompromitovaných rozprávačov — model, ktorý vypadne z postavy, aby pripojil upozornenie, úlohu nesplnil, nie splnil bezpečnosť. To isté platí pre bezpečnostný výskum, dokumentáciu red teamu, právne a medicínske koncepty a preklad, kde je zdroj drsný: kategórie, v ktorých je odmietnutie jednoducho nesprávnou odpoveďou. Neznamená to, že úsudok prestáva byť váš — za to, čo vygenerujete, zostávate zodpovední vy, podľa našich zásad zodpovedného používania a platného práva.

07Ako volať necenzurované Laguna API

Tri dialekty, jeden model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Streamovanie funguje na všetkých troch, takže existujúca integrácia sa presunie zmenou základnej URL a id modelu — žiadna výmena SDK, žiadne prepisovanie spracovania správ.

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"
}

Zopár praktických poznámok:

• Neposielajte tomuto id modelu response_format ani json_schema — ak ich vaša klientska knižnica nastavuje predvolene, zrušte ich alebo prejdite na súrodenca, ktorý ich podporuje.
• Nástroje idú do obvyklého poľa tools — volanie nástrojov je plne podporované; chýba len vynucovanie schémy na voľnom texte.
• Rozpočtujte si uvažovanie. reasoning_effort je rešpektované — nízke alebo vypnuté drží konverzačnú latenciu nízko a výstupné tokeny lacné; zdvihnite ho pri viackrokovej práci s nástrojmi, kde rozdiel v benchmarkoch vyššie ukazuje, čo za to dostanete.
• Strop výstupu je 16 384 tokenov na požiadavku. Pri generovaní v dĺžke knihy to rozdeľte na kapitoly a streamujte.
• Iba text. Pri tomto id modelu žiadny obrazový vstup — na videnie použite MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 alebo inkling.

Úplná referencia parametrov, autentifikácia, sémantika chýb a živé ihrisko: dokumentácia API.

08Kedy ho zvoliť a kedy nie

Zvoľte ho, keď je vaším výstupom próza, dialóg alebo kód, ktorý číta človek; keď potrebujete volanie nástrojov, ale nie schémou obmedzený text; keď nad dlhým kontextom dominuje cena za token; alebo keď chcete druhý názor z inej línie než rodín DeepSeek, Kimi a MiMo, ktoré napĺňajú zvyšok katalógu.

Zvoľte niečo iné, keď potrebujete zaručený JSON (MiMo-V2.5-Pro), porozumenie obrázkom (Kimi-K2.6 alebo MiMo-V2.5) alebo špičkovú hranicu obťažnosti, kde je cenový rozdiel vedľa správnej odpovede nepodstatný (DeepSeek-V4-Pro, Kimi-K3).

09Často kladené otázky

---

Zdroje: Poolside — sprievodca modelom Laguna S 2.1 · Predstavujeme Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Údaje o architektúre a benchmarkoch uvádza vydavateľ pre nekvantizované vydanie, nie sú meraniami buildu, ktorý servírujeme. Shannon AI prevádzkuje Shannon Lab LLC, Nové Mexiko, USA.