Ha re boloke kapa ho fihlella data ya mosebedisi ofe kapa ofe, mme ha re suspend-e maaccount ntle le ha authority ya molao e hloka kgato ya enforcement.
Karete ya Model · Laguna S 2.1 · W4A16-AUTOROUND-REAP

API ya Laguna e se nang Thibelo

Laguna S 2.1 — motheo wa Mixture-of-Experts wa 118B o sebetsang ntle le lera la ho hana, ka fensetere ya context ya 262K, le ho bitsa disebediswa — ka theko e tlase ka ho fetisisa ya $0.50 kenyo / $2.00 tlhahiso ka di-token tse milione.

E ntlafaditswe ka la 5 Loetse 2026Karete ya ModelMotheo: Poolside Laguna S 2.1

Kakaretso e Kgutshwane

API ya Laguna e se nang thibelo e matha Laguna S 2.1 ya Poolside — di-parameter tse 118B kaofela, tse ka bang 8B tse sebetsang ka token, di-weight tse bulehileng tlasa OpenMDW-1.1 — e pitikilwe ho W4A16 ka AutoRound le REAP mme e sebetsa sehlopheng sa rona sa di-GPU. O fumana context ya di-token tse 262,144, di-token tsa tlhahiso tse 16,384 ka kopo, ho phalla, ho bitsa disebediswa, reasoning_effort, le ho hloka ho sefuwa ha tlhahiso. Tlhokomediso e le nngwe, e boletsweng qalong: ena ke model e le nngwe feela lenaneng la rona e sa tshehetseng json_schema le response_format. Haeba o hloka JSON e tiisitsweng, nka kgaitsedi — moaho wa Pro wa MiMo-V2.5 o e etsa ka theko e tshwanang.

Maqephe a mangata a "model e theko e tlase" a o kopa hore o amohele motheo o monyenyane, o kgathetseng ho ena le palo e tlase. Lena ha le jwalo. Laguna S 2.1 ke tokollo ya moloko wa hajwale ya Mixture-of-Experts e hasaneng, e koetlisitsweng hodima di-H200 tse 4,096 mme e romelwa ka tlase ho dibeke tse robong, mme e dula moeding o tshwanang wa $0.50 / $2.00 le model e nngwe le e nngwe ya boemo ba ho qala eo re fanang ka yona. Phapanyetsano e patisitswe ebile e bonolo ho nahanwa ka yona: o lahla tlhahiso e hlophisitsweng e tiisitsweng ke server mme o boloka tsohle tse ding.

01Laguna S 2.1 ke eng?

Laguna S 2.1 ke model ya di-weight tse bulehileng e lokollotsweng ke Poolside ka la 21 Phupu 2026 tlasa laesense e bulehileng ya OpenMDW-1.1 — setho sa boholo bo bohareng sa lelapa la Laguna, pakeng tsa Laguna XS 2.1 (33B/3B tse sebetsang) le Laguna M.1 (225B/23B tse sebetsang).

118B
Di-parameter kaofela
~8B
Tse sebetsang / token
256+1
Ditsebi (top-10)
262K
Context ho Shannon

Moaho o phatlaladitsweng ke router ya ho kgetha token e nang le heke ya softplus hodima ditsebi tse 256 tse kgethuwang hammoho le setsebi se le seng se arolelanwang, tse leshome di kgethwa ho token e nngwe le e nngwe, ho pholletsa le marallo a 48 — a leshome le metso e mmedi a tlhokomelo e akaretsang, a mashome a mararo a metso e tsheletseng a fensetere e thellang ya di-token tse 512, ho kopanya ho bolokang theko ya tlhokomelo ya dikenyo tse telele haholo e batla e le ka mola ho ena le ka ho phaella. Tlhokomelo ke ya dipotso tse kopantsweng e nang le dihlooho tse 8 tsa key-value ka bophara ba hlooho ba 128.

Diphello tse pedi di bohlokwa ho moreki wa API. Ho sebetsa ho hasaneng ke lona lebaka la hore model ya 118B e ka dula theko e tlase ka ho fetisisa — ke di-parameter tse ka bang 8B feela tse sebetsang ka token, kahoo dipalo ka token di haufi le model e nyenyane e tiileng ho feta kamoo palo ya di-parameter e bontshang. Mme ho kopanya ha fensetere e thellang ke lona lebaka la hore fensetere e telele e sebediseho e le kannete ho ena le ho ba lebitso feela. Tokollo ya Poolside e tshehetsa di-token tse 1,048,576; rona re fana ka tse 262,144, ho lekana le model e nngwe le e nngwe ho gateway.

02Tlhokomediso e le nngwe: ha ho tlhahiso e hlophisitsweng

Bala sena pele o kopanya

Laguna S 2.1 ho Shannon AI ha e amohele json_schema le response_format. Ke model e le nngwe feela lenaneng la rona la di-model tse leshome le metso e mmedi e se nang tshehetso ya tlhahiso e hlophisitsweng; ho romela parameter efe kapa efe ya tsona ha ho na ho o fa karabo e tlangwang ke schema. Ho bitsa disebediswa ho a sebetsa. Ho phalla ho a sebetsa. Ho nahana ho a sebetsa. Ke ho bopa tlhahiso ho tiisitsweng ke server feela ho se yong.

Se ntseng se sebetsa. Ho bitsa disebediswa ho tshehetswa ka botlalo, mme dikgang tsa ho bitsa sesebediswa di ntse di fihla e le ntho ya JSON hantle jwalo ka ho model e nngwe le e nngwe mona. Haeba "tlhahiso e hlophisitsweng" ya sesebediswa sa hao e hlile e le dikgang tsa sesebediswa — e leng nnete ka mekgwa e mengata ya di-agent, di-server tsa MCP le dibaka tsa ka pele tsa database — Laguna S 2.1 e o sebeletsa hantle. Ho phalla ho sebetsa dipuong tsohle tse tharo; reasoning_effort e a sebetsa.

Se sa sebetseng. O ke ke wa fa sebaka JSON Schema mme wa tiisetswa hore karabo ya mongolo ya mothusi e tsamaellana le yona, mme response_format: {"type": "json_object"} ha e o rekele letho. Ho kopa JSON ka prompt hangata ho hlahisa JSON — ena ke model e nang le bokgoni — empa "hangata" hase konteraka. Poolside ka boyona e ngola ho ngolwa ho fosahetseng ha JSON dipitsong tsa disebediswa tse teteaneng haholo e le moedi o tsejwang, e leng kgopotso ya hore tiiso, moo e leng teng ka ho hong lenaneng la rona, e tswa lerallong la ho fana ka tshebeletso ho ena le maikemisetsong a matle a model.

Ke kgaitsedi efe eo o lokelang ho e sebedisa sebakeng sa yona

Haeba mosebetsi wa hao o hloka JSON e tiisitsweng, o se ke wa lwana le model ena — fetola id ya model. Dikgaitsedi tse nne di dula theko e tshwanang ya $0.50 / $2.00 ka tshehetso e felletseng ya json_schema le response_format:

Id ya modeljson_schemaPonoHobaneng o ka e kgetha
MiMo-V2.5-Pro-W8A16ETjhePhetolo e tobileng — di-weight tsa di-bit tse 8, boemo ba botshepehi bo phahameng ka ho fetisisa, theko e tshwanang
MiMo-V2.5-W8A16EEHo tshwana, hammoho le kenyo ya setshwantsho
Hy3-W8A16ETjheModel e nngwe ya mongolo ya di-bit tse 8 ka theko e tlase ka ho fetisisa
DeepSeek-V4-Flash-0731ETjheW4A16-AutoRound-REAP jwalo ka Laguna, tshehetso ya schema e ntse e le teng

Kgetho ya tlhaho ke MiMo-V2.5-Pro (W8A16): ya mongolo feela, ka theko e tlase ka ho fetisisa, e pitikilwe boemong bo bonolo ka ho fetisisa boo re bo sebedisang — dintlha di ho karete ya model ya MiMo-V2.5. Hobane di-model tsohle tse leshome le metso e mmedi di arolelana dibaka, fensetere ya context le moedi wa tlhahiso, ho fetola ke phetoho ya mohala o le mong lefapheng la model.

03W4A16-AUTOROUND-REAP e bolelang?

Moqetelo ho id ya model hase mokgabiso — o bolela hantle kamoo di-weight di ileng tsa pitikwa kateng pele di kenngwa sehlopheng sa rona sa di-GPU. Dikarolo tse tharo.

W4A16 — di-weight tsa di-bit tse 4, ho sebetsa ha di-bit tse 16

Di-weight di bolokwa ka di-bit tse 4; ho sebetsa — ditekanyo tse phallang pakeng tsa marallo nakong ya ho sebetsa — ho dula ho di-bit tse 16. Ho fokotsa di-weight ho ba kotara ya sebaka sa tsona sa BF16 ke sona se etsang hore model ya 118B e lekane mme e dule e le potlako, ha ho boloka ho sebetsa ho le sephara ho sireletsa karolo e tebileng ya dipalo ya mokgahlelo wa ho ya pele. Pitika se seholo mme se sa fetoheng, o siye se senyenyane mme se fetohang.

AutoRound — ho potoloha ho ithutilweng, e seng ho potolohela ho ho haufi

Tsela e tlwaelehileng ya ho pitika ke ho potolohela ho ho haufi: kgomaretsa weight e nngwe le e nngwe ho boleng bo haufi ba di-bit tse 4, mme o amohele phoso. AutoRound, sehlopha sa disebediswa se bulehileng sa Intel sa ho pitika ka mora koetliso, se etsa hantle ho feta — mokgwa wa sona wa SignRound o sebedisa signed gradient descent ho ntlafatsa hammoho diqeto tsa ho potoloha le mefuta ya ho poma hodima mehato e ka bang makgolo a mabedi, o etsa qeto ka weight ka nngwe ya hore na ho potoloha ho ya hodimo kapa ho ya tlase ho senya hanyenyane tlhahisong ya sebele ya lerallo. O adima kgopolo koetlisong e tsebang ho pitikwa ntle le theko ya ho koetlisa hape, mme ke lona lebaka la hore moaho wa W4A16 e ka ba model e tebileng ho ena le ntho e lahlehetsweng.

REAP — ho poma ditsebi ho ena le ho di kopanya

REAP ke Router-weighted Expert Activation Pruning, e phatlaladitsweng ke Cerebras Research. Ho model ya MoE hase ditsebi tsohle tse jarang boima ba tsona: router e romela di-token tse seng kae ho tse ding, mme tse ding ha di kenye letsoho le leholo ha di sebetsa. REAP e beha setsebi se seng le se seng maemong hodima matshwao ka bobedi — boleng ba heke ya router le ditekanyo tsa ho sebetsa ha setsebi — mme e tlosa tse bohlokwa ho fokolang ka mohato o le mong, pele ho pitikwa. Ka bohlokwa e a poma ho ena le ho kopanya: ho kopanya ho pheta ditsebi tse mmalwa ho ba e le nngwe, ho senya taolo e nepahetseng, e itshetlehileng ka kenyo ya router mme ho hlahisa moedi wa phoso oo ho lokisa ho se nang ho o tlosa (bangodi ba ho bitsa ho putlama ha sebaka sa tshebetso), ha ho poma ho siya tse setseng le taolo ya router hodima tsona di sa fetoha. Cerebras e tlaleha ho tlosa ho fihla ho 50% ya ditsebi ho di-model tsa di-parameter tse trilione ha ho ntse ho bolokwa boleng ba motheo ka bongata — ho model ya khoutu ya 480B ka ho poma ha 50%, 97.6% ya bokgoni ba motheo ba ho ngola khoutu bo seng ba di-agent le 96.7% ho SWE-Bench ya di-agent. Tseo ke dipalo tsa Cerebras bakeng sa di-model tsa bona, e seng ditekanyo tsa moaho wa rona, empa ke lona lebaka la hore re mathe mokoloko ona hodima motheo oo matla a wona a mantlha e leng khoutu.

Hammoho moqetelo o balwa jwaloka polelo: poma ditsebi tse neng di batla di sa sebediswe, ithute ho potoloha ha di-bit tse 4 ho ena le ho ho hakanya, o boloke ho sebetsa ho le sephara ka botlalo.

04Model ena e hlile e lokela eng?

Nnete pele: Laguna S 2.1 ke model ya moqoqo ya mongolo feela — ha ho kenyo ya pono ho id ena ya model — mme Poolside e e ahetse ho ngola khoutu ha di-agent le mosebetsi wa nako e telele, e seng bakeng sa mongolo wa dipale. Koetliso ya morao e mathile hodima dibaka tse 409,000, ho kenyelletsa mesebetsi e 83,000 ya terminal le e 168,000 ya boenjiniere ba software, ka ho ithuta ka matlafatso ho FP8. Diphetho tse tlalehilweng tsa Poolside bakeng sa tokollo e sa pitikwang:

TekanyetsoKa ho nahanaNtle le ho nahanaSeo e se lekanyang
SWE-Bench Multilingual78.5%—Ditokiso tsa diphoso tsa sebele dipuong tse ngata
Terminal-Bench 2.170.2%60.4%Mosebetsi wa shell le wa disebediswa wa mehato e mengata
SWE-Bench Pro59.4%—Mesebetsi ya di-repo e thata, e hananang le ho silafala
Toolathlon Verified49.7%—Bophara ba tshebediso ya disebediswa ho di-API tse ngata
SWE Atlas46.2%—Ho tsamaya ha nako e telele ka har'a sebokelli
DeepSWE v1.140.4%16.5%Boenjiniere ba software ba di-agent

Sekgeo pakeng tsa dikholomo tse pedi ke palo e nang le thuso ka ho fetisisa mona: ho DeepSWE dintlha di feta ho menahana habedi ha ho nahana ho bulwa, mme ho Terminal-Bench di hapa hoo e batlang e le dintlha tse leshome.

Terminal-Bench · ho nahana70.2
Terminal-Bench · ka ho toba60.4
DeepSWE · ho nahana40.4
DeepSWE · ka ho toba16.5

Dipalo tse tlalehilweng ke Poolside bakeng sa tokollo ya Laguna S 2.1 e sa pitikwang, Phupu 2026. Hase ditekanyo tsa moaho wa rona wa W4A16-AutoRound-REAP, mme ha re phatlalatse dipalo tsa rona tsa ditekanyetso bakeng sa wona. Sebedisa reasoning_effort ho laola tekanyetso ya ho nahana ho API ya rona.

Bakeng sa mosebetsi wa moqoqo le wa boiqapelo boemo bo tshepahalang ke bona: dintho tse ka mora ditshebetso tse telele tsa di-agent — ho tshwara boemo bo bongata ka kutlwano, ho dula mosebetsing, ho se kgeloheng — ke tsona tse ka mora mosebetsi wa nako e telele wa dikarolo, mme tshebetsong e tshwara lentswe hantle ho pholletsa le fensetere e telele haholo. Ha ho tekanyetso e phatlaladitsweng e buang jwalo, mme re ke ke ra iqapela e nngwe. E leke hodima di-prompt tsa hao; ka $0.50 ka di-token tse milione tsa kenyo seo se batla se se na theko.

05Theko e tlase ka ho fetisisa e hlile e reka eng?

$0.50 kenyo / $2.00 tlhahiso ka di-token tse milione ke boemo ba ho qala ho Shannon AI Gateway, bo arolelanwang le MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro le Hy3. Ka ho hlaka:

MosebetsiKenyoTlhahisoTheko
Mokgahlelo o le mong wa moqoqo o nang le nalane ya 100K100,0002,000$0.054
Kgaolo ya mantswe a 5,000 e tswang tlhalosong e telele30,0007,000$0.029
Mekgahlelo e 1,000 e mekgutshwane ya moqoqo4,000,000500,000$3.00
Ho balwa ha context e felletseng ya 262K262,14416,384$0.164

Mola wa ho qetela ke wona o lokelang ho ngolwa hlooheng: ho tlatsa fensetere yohle ya context le ho hlahisa karabo e phahameng ya di-token tse 16,384 ho bitsa hoo e ka bang disente tse leshome le metso e tsheletseng. Ho kenya buka yohle, mongolo wa moqoqo, kapa sehlopha sa ditokomane pitsong e le nngwe ho ema ho ba qeto ya tekanyetso mme ho fetoha qeto ya lebelo. Dipalo tse tshwanang di tsamaisa tshebediso e nngwe ya theko e tlase — palo e kgolo: ho hlophisa ka sehlopha, ho ngola bocha ka bongata, dipuisano tsa maiketsetso, mongolo wa pele oo model e matla e o ntlafatsang hamorao. Sheba leqephe la ditheko le tshupiso ya dipatlisiso.

06Seo "e se nang thibelo" e se bolelang mona

E bolela seo e se bolelang: ha ho lera la ho hana ebile ha ho ho sefuwa ha dikahare tlhahisong. Ha ho sehlophisi se dulang pakeng tsa model le karabo ya hao se etsang qeto ya hore na o ne o dumelletswe ho botsa; model e araba ka mokgwa oo o o kopileng mme ha e o rute ka motheo pele.

Bakeng sa mosebetsi wa boiqapelo eo ke phapang pakeng tsa sesebediswa se sebediswang le se sa sebediseheng. Dipale di na le bahanyetsi ba tshosang, ditshwantsiso tse buang leshano ka bokgoni, dikgoka tse nang le diphello, bapheti ba dipale ba nang le bothata ba boitshwaro — model e robang setshwantsiso ho kenya temoso e hlolehile mosebetsing, ha e a atleha tshireletsong. Ho tshwana le dipatlisiso tsa tshireletso, ditokomane tsa sehlopha se sootho, mongolo wa bongaka le wa molao, le phetolelo moo mohlodi o hlakileng: mefuta moo kgano e leng karabo e fosahetseng feela. Se e sa se boleleng ke hore kahlolo e ema ho ba ya hao — o dula o le na le boikarabelo ba seo o se hlahisang, tlasa Leano la rona la Tshebediso e Nang le Boikarabelo le molao o sebetsang.

07Kamoo o bitsang API ya Laguna e se nang thibelo

Dipuo tse tharo, model e le nngwe: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Ho phalla ho sebetsa ho tsohle tse tharo, kahoo kopano e teng e fallela ka ho fetola base URL le id ya model — ha ho phetolo ya SDK, ha ho ngolwa hape ha tshebetso ya hao ya melaetsa.

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"
}

Dintlha tse seng kae tsa tshebetso:

  • O se ke wa romela response_format kapa json_schema ho id ena ya model — haeba laeborari ya hao ya client e beha e nngwe ka tlwaelo, e tlose kapa o fallele kgaitseding e e tshehetsang.
  • Disebediswa di kena letotong le tlwaelehileng la tools — ho bitsa disebediswa ho tshehetswa ka botlalo; ke ho tiisa schema ho mongolong o lokolohileng feela ho se yong.
  • Lekanya ho nahana ha hao. reasoning_effort e a hlomphuwa — e tlase kapa e timilwe e boloka lebelo la moqoqo le phahame le di-token tsa tlhahiso di le theko e tlase; e phahamise bakeng sa mosebetsi wa disebediswa wa mehato e mengata, moo sekgeo sa ditekanyetso se ka hodimo se bontshang seo e se rekang.
  • Moedi wa tlhahiso ke di-token tse 16,384 ka kopo. Bakeng sa tlhahiso ya bolelele ba buka, e arole ka dikgaolo mme o e phallise.
  • Mongolo feela. Ha ho kenyo ya setshwantsho ho id ena ya model — sebedisa MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 kapa inkling bakeng sa pono.

Tshupiso e felletseng ya di-parameter, netefatso, moelelo wa diphoso le sebaka sa ho leka se phelang: ditokomane tsa API.

08Ho e kgetha neng, le ho se e kgethe neng

E kgethe ha tlhahiso ya hao e le mongolo wa dipale, puisano kapa khoutu e balwang ke motho; o hloka ho bitsa disebediswa empa ha o hloke mongolo o tlangwang ke schema; theko ka token e busa hodima context e telele; kapa o batla maikutlo a bobedi a tswang lelokong le seng la lelapa la DeepSeek, Kimi le MiMo a tlatsang lenane le setseng.

Kgetha ho hong ha o hloka JSON e tiisitsweng (MiMo-V2.5-Pro), ho utlwisisa setshwantsho (Kimi-K2.6 kapa MiMo-V2.5), kapa qetello e phahameng ya boima moo sekgeo sa theko se sa bolelang letho ha ho bapiswa le ho fumana karabo e nepahetseng (DeepSeek-V4-Pro, Kimi-K3).

O hloka theko e tshwanang ka tlhahiso e hlophisitsweng? MiMo-V2.5-Pro e matha ho W8A16 — boemo ba rona ba botshepehi bo phahameng ka ho fetisisa — ka $0.50 / $2.00 e tshwanang, ka bobedi json_schema le response_format. Bala karete ya model ya MiMo-V2.5, kapa o shebe tsohle tse leshome le metso e mmedi tshupisong ya dipatlisiso.
E hlakileng ka moralo

Tseko e nngwe le e nngwe ya moaho le ya ditekanyetso mona e tswa ho mophatlalatsi wa model kapa ho bangodi ba mekgwa ya ho pitika. Di sheba ka bowena.

Poolside — karete ya model ya Laguna S 2.1 Ho hlahisa Laguna S 2.1 REAP — Cerebras Research AutoRound — Intel

09Dipotso tse botswang hangata

API ya Laguna e se nang thibelo ke eng?

Ke Laguna S 2.1 ya Poolside ya di-weight tse bulehileng — di-parameter tse dikete tse 118 tsa dimilione, tse ka bang dikete tse 8 tsa dimilione tse sebetsang ka token — e sebetsang sehlopheng sa Shannon sa di-GPU ntle le lera la ho hana le ntle le ho sefuwa ha tlhahiso. Id ya model ke Laguna-S-2.1-W4A16-AUTOROUND-REAP, fensetere ya context ke di-token tse 262,144, mme e bitsa $0.50 ka di-token tse milione tsa kenyo le $2.00 ka di-token tse milione tsa tlhahiso.

Na Laguna S 2.1 e tshehetsa json_schema kapa response_format ho Shannon AI?

Tjhe. Ke model e le nngwe feela lenaneng la Shannon e sa amoheleng le e nngwe ya tsona. Ho bitsa disebediswa le ho phalla ho sebetsa ka mokgwa o tlwaelehileng mme dikgang tsa ho bitsa sesebediswa di ntse di fihla e le JSON, empa ha ho schema e tiisitsweng ke server tlhahisong ya mongolo ya mothusi. Bakeng sa JSON e tiisitsweng ka theko e tshwanang ya $0.50 / $2.00, sebedisa MiMo-V2.5-Pro (W8A16).

W4A16-AUTOROUND-REAP e bolelang?

W4A16 e bolela hore di-weight di bolokwa ka di-bit tse 4 ha ho sebetsa ho dula ho di-bit tse 16. AutoRound ke mokgwa wa Intel wa ho pitika ka mora koetliso, o sebedisang signed gradient descent ho ithuta diqeto tsa ho potoloha le tsa ho poma ho ena le ho potolohela ho ho haufi. REAP ke Router-weighted Expert Activation Pruning ya Cerebras Research, e lahlang ditsebi tseo ho keteha ho tsona hanyenyane le ka bofokodi ho model ya Mixture-of-Experts pele ho pitikwa ho ena le ho di kopanya.

Na Laguna S 2.1 e lokela ho ngola ka boiqapelo le moqoqo?

Ke model ya moqoqo ya mongolo feela — ha ho kenyo ya pono — mme e tshwara mongolo o molelele, o kutlwanang, o dulang setshwantsisong ho pholletsa le fensetere ya 262K ntle le lera la ho hana tseleng. Tlaleho ya ditekanyetso e phatlaladitsweng ya Poolside e ho ngoleng ha khoutu ha di-agent, e seng mongolong wa dipale, kahoo leka boleng ba boiqapelo hodima di-prompt tsa hao ho ena le ho tshepa lenane la maemo.

API ya Laguna e se nang thibelo e bitsa bokae?

$0.50 ka di-token tse milione tsa kenyo le $2.00 ka di-token tse milione tsa tlhahiso — theko e tlase ka ho fetisisa ho Shannon AI Gateway, e arolelanwang le MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro le Hy3. Moqoqo wa di-token tse 100,000 o hlahisang di-token tse 2,000 tsa karabo o bitsa hoo e ka bang disente tse 5.4.

Leka API ya Laguna e se nang thibelo

MoE ya 118B · context ya 262K · disebediswa le ho phalla · $0.50 / $2.00 ka di-token tse 1M.

Bala Ditokomane tsa API Qala ho Qoqa

Ha ho lera la ho hana · ha ho ho sefuwa ha tlhahiso · kahlolo ya hao, boikarabelo ba hao

Mehlodi: Poolside — karete ya model ya Laguna S 2.1 · Ho hlahisa Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Dipalo tsa moaho le tsa ditekanyetso di tlalehilwe ke mophatlalatsi bakeng sa tokollo e sa pitikwang, e seng ditekanyo tsa moaho oo re fanang ka wona. Shannon AI e tsamaiswa ke Shannon Lab LLC, New Mexico, USA.

Research links tsohle

Shannon 3.1Shannon 3, model ya AI e se nang thibelo e hlahlobang karabo ya yonaSehlahisi sa Ditshwantsho sa AI se se nang ThibeloSelokisi sa Ditshwantsho sa AI se se nang ThibeloHo Fetisetsa Diaparo ka AI, ntle le ThibeloTataiso ya Di-prompt tsa Ditshwantsho tsa AIThibelo kgahlano le Sefe Ditshwantshong tsa AIAPI ya DeepSeek e se nang ThibeloAPI ya GLM e se nang thibelo: boleng bo botle ka ho fetisisa ka tokenAPI ya Kimi K3 e se nang ThibeloAPI ya Nemotron e se nang ThibeloAPI ya MiniMax e se nang thibelo: pono ka theko e tlase ka ho fetisisaAPI ya DeepSeek Flash e se nang ThibeloAPI ya Kimi K2 e se nang ThibeloAPI ya Laguna e se nang ThibeloAPI ya Model ya Inkling e se nang ThibeloAPI ya MiMo e se nang Thibelo ho Di-bit tse Robedi tsa BotshepehiAPI ya Pono ya MiMo e se nang ThibeloAPI ya Model ya Hy3 e se nang ThibeloLeano la Tšebeliso e IkarabellangMelao ea TšebeletsoShannon V1 E leka-lekanengShannon V1 BoteboShannon V1.5 Ho NahanaShannon V1.5 Mokhoa o tebileng oa ho nahanaShannon 2 LiteShannon 2 ProShannon Lite 1.6Shannon Pro 1.6Kamoo re Koetlisitseng Mixtral ho GPT-5 Pro ka OpenRouter DistillationKamoo re Koetlisitseng Shannon V1.5 ho Nahana ho Sebelisa GRPOHo etsa pentesting ho sebelisa AI: Shannon AI e se e sebetsa ho Claude CodeCustom ShannonMereroBokgoni