API-и бесензураи Laguna API

Аксари саҳифаҳои «модели арзон» аз шумо мехоҳанд, ки дар ивази рақами паст асоси хурд ва хастаро қабул кунед. Ин саҳифа не. Laguna S 2.1 барориши ҷории насли Омехтаи Мутахассисони сироҷ аст, ки дар 4,096 H200 таълим гирифтааст ва дар камтар аз нӯҳ ҳафта фиристода шудааст, ва он дар ҳамон фарши $0.50 / $2.00 бо ҳар модели зинаи ибтидоии дигари мо ҷойгир аст. Мубодила танг ва барои фаҳмидан осон аст: шумо баромади сохтории бо сервер таъминшударо аз даст медиҳед ва ҳама чизи дигарро нигоҳ медоред.

01Laguna S 2.1 чист?

Laguna S 2.1 модели вазнҳои кушода аст, ки аз ҷониби Poolside 21 июли соли 2026 зери литсензияи имтиёзноки OpenMDW-1.1 бароварда шудааст — узви миёнаандозаи оилаи Laguna, байни Laguna XS 2.1 (33B/3B фаъол) ва Laguna M.1 (225B/23B фаъол).

Меъмории нашршуда маршрутизатори интихоби токен бо дарвозаи softplus дар болои 256 мутахассиси маршрутшуда ба замми як мутахассиси муштарак аст, ки даҳто дар як токен интихоб мешаванд, дар 48 қабат — дувоздаҳто бо таваҷҷуҳи глобалӣ, сию шашто бо тирезаи лағжанда дар тирезаи 512-токенӣ, омехтае, ки арзиши таваҷҷуҳи вурудҳои хеле дарозро ба ҷои квадратӣ ба хаттӣ наздик нигоҳ медорад. Таваҷҷуҳ гурӯҳии дархост бо 8 сари калид-қимат дар андозаи сар 128 аст.

Ду оқибат барои истеъмолкунандаи API муҳиманд. Фаъолсозии сироҷ сабаби он аст, ки модели 118B метавонад дар нархи фарш ҷойгир шавад — танҳо ~8B параметр дар як токен кор мекунад, бинобар ин ҳисоб дар як токен ба модели хурди зич наздиктар аст, назар ба он ки шумораи параметрҳо ишора мекунад. Ва омехтаи тирезаи лағжанда сабаби он аст, ки тирезаи дароз воқеан қобили истифода аст, на танҳо номӣ. Барориши Poolside 1,048,576 токенро дастгирӣ мекунад; мо 262,144-ро хизмат мерасонем, мувофиқ бо ҳар модели дигари шлюз.

02Ягона огоҳӣ: бе баромади сохторӣ

Чӣ то ҳол кор мекунад. Фарохонии абзорҳо пурра дастгирӣ мешавад ва далелҳои фарохонии абзорҳо то ҳол ҳамчун объекти JSON маҳз мисли ҳар модели дигари ин ҷо меоянд. Агар «баромади сохтории» барномаи шумо воқеан далелҳои абзор бошад — ки барои аксари чорчӯбаҳои агентӣ, серверҳои MCP ва интерфейсҳои пойгоҳи маълумот дуруст аст — Laguna S 2.1 ба шумо хуб хизмат мекунад. Ҷараёнӣ дар ҳар се лаҳҷа кор мекунад; reasoning_effort кор мекунад.

Чӣ кор намекунад. Шумо наметавонед ба нуқтаи интиҳоӣ JSON Schema диҳед ва кафолат гиред, ки ҷавоби матнии дастёр ба он мувофиқ аст, ва response_format: {"type": "json_object"} ба шумо ҳеҷ чиз намедиҳад. Дархост кардани JSON одатан JSON тавлид мекунад — ин модели қобил аст — вале «одатан» шартнома нест. Худи Poolside эскейпи нодурусти JSON-ро дар фарохониҳои абзорҳои амиқ лонашуда ҳамчун маҳдудияти маълум ҳуҷҷатгузорӣ мекунад, ки хотиррасон мекунад: кафолат дар ҷое, ки дар қатори мо вуҷуд дорад, аз қабати хизматрасонӣ меояд, на аз ниятҳои неки модел.

Ба ҷои он кадом бародарро истифода бурдан

Агар ба бори кории шумо JSON-и кафолатнок лозим бошад, бо ин модел мубориза набаред — идентификатори моделро иваз кунед. Чор бародар бо ҳамон нархи $0.50 / $2.00 бо дастгирии пурраи json_schema ва response_format ҷойгиранд:

Идентификатори модел	json_schema	Биноӣ	Чаро онро интихоб мекардед
MiMo-V2.5-Pro-W8A16	Бале	Не	Ивази мустақим — вазнҳои 8-битӣ, зинаи баландтарин садоқат, ҳамон нарх
MiMo-V2.5-W8A16	Бале	Бале	Ҳамон, ба замми вуруди тасвир
Hy3-W8A16	Бале	Не	Боз як модели матнии 8-битӣ бо нархи фарш
DeepSeek-V4-Flash-0731	Бале	Не	W4A16-AutoRound-REAP мисли Laguna, бо дастгирии солими схема

Пешфарзи табиӣ MiMo-V2.5-Pro (W8A16) аст: танҳо матнӣ, бо нархи фарш, дар нармтарин зинаи квантизатсияи мо — тафсилот дар корти модели MiMo-V2.5. Азбаски ҳамаи дувоздаҳ модел нуқтаҳои интиҳоӣ, тирезаи контекст ва ҳадди баромадро мубодила мекунанд, гузариш танҳо тағйири як сатр дар майдони model аст.

03W4A16-AUTOROUND-REAP чӣ маъно дорад?

Пасванди идентификатори модел ороиш нест — он маҳз мегӯяд, ки вазнҳо пеш аз ба кластери GPU-и мо бор шудан чӣ гуна фишурда шудаанд. Се қисм.

W4A16 — вазнҳои 4-битӣ, фаъолсозиҳои 16-битӣ

Вазнҳо дар 4 бит нигоҳ дошта мешаванд; фаъолсозиҳо — қиматҳое, ки ҳангоми хулосабарорӣ байни қабатҳо мегузаранд — дар 16 мемонанд. Буридани вазнҳо то чоряки ҳаҷми BF16-и онҳо маҳз он чизест, ки модели 118B-ро ҷойгир ва тез нигоҳ медорад, дар ҳоле ки паҳн нигоҳ доштани фаъолсозиҳо қисми ба рақамҳо ҳассоси гузариши пешро муҳофизат мекунад. Он чи калон ва статикист, фишурда кунед, он чи хурд ва динамикист, дасттагӣ накунед.

AutoRound — мудавварсозии омӯхташуда, на мудавварсозӣ ба наздиктарин

Роҳи оддии квантизатсия мудавварсозӣ ба наздиктарин аст: ҳар вазнро ба наздиктарин қимати 4-битӣ мечаспонед ва хаторо қабул мекунед. AutoRound, маҷмӯаи кушоди квантизатсияи пас аз таълими Intel, беҳтар кор мекунад — усули SignRound-и он фуруди градиенти аломатдор-ро истифода мебарад, то қарорҳои мудавварсозӣ ва доираҳои буришро дар давоми чанд сад қадам якҷоя оптимизатсия кунад ва барои ҳар вазн муайян кунад, ки боло мудаввар кардан ё поён ба баромади воқеии қабат камтар зарар мерасонад. Он ин ғояро аз таълими ба квантизатсия огоҳ мегирад, бе арзиши таълими такрорӣ, ва маҳз бинобар ин сохти W4A16 метавонад модели ҷиддӣ бошад, на кунҷкобии зиёнбор.

REAP — буридани мутахассисон ба ҷои якҷоя кардани онҳо

REAP Буридани Фаъолсозии Мутахассисон бо Вазни Маршрутизатор аст, ки аз ҷониби Cerebras Research нашр шудааст. Дар модели MoE на ҳама мутахассисон вазни худро мебардоранд: маршрутизатор ба баъзеи онҳо кам токен мефиристад ва баъзеи онҳо ҳангоми фаъол шудан бузургии кам месупоранд. REAP ҳар мутахассисро аз рӯи ҳар ду сигнал баҳо медиҳад — қиматҳои дарвозаи маршрутизатор ва меъёрҳои фаъолсозии мутахассис — ва камбарҷастаҳоро дар як зарба, пеш аз квантизатсия нест мекунад. Муҳимаш он аст, ки он мебурад, на якҷоя мекунад: якҷоякунӣ чанд мутахассисро ба яке мепечонад, идораи нозук ва аз вуруд вобастаи маршрутизаторро нобуд мекунад ва фарши хаторо ҷорӣ мекунад, ки ҳеҷ танзим онро бартараф намекунад (муаллифон онро фурӯпошии фазои зериамалиётӣ меноманд), дар ҳоле ки буридан боқимондаҳо ва идораи маршрутизаторро дар болои онҳо солим мегузорад. Cerebras хабар медиҳад, ки то 50% мутахассисонро аз моделҳои триллионпараметрӣ бартараф кардааст ва сифати заминавиро асосан нигоҳ доштааст — дар модели барномасозии 480B бо буридани 50%, 97.6% қобилияти заминавии ғайриагентии барномасозӣ ва 96.7% дар SWE-Bench-и агентӣ. Инҳо рақамҳои Cerebras барои моделҳои худи онҳоянд, на ченкуниҳои сохти мо, вале маҳз бинобар ин мо ин стекро дар асосе кор мефармоем, ки қувваи асосии он код аст.

Дар маҷмӯъ пасванд ҳамчун як ҷумла хонда мешавад: мутахассисонеро, ки базӯр истифода мешуданд, буред, мудавварсозии 4-битиро биомӯзед, на тахмин занед, ва фаъолсозиҳоро дар паҳнои пурра нигоҳ доред.

04Ин модел воқеан дар чӣ хуб аст?

Аввал ростқавлӣ: Laguna S 2.1 модели сӯҳбатии танҳо матнӣ аст — дар ин идентификатори модел вуруди тасвир нест — ва Poolside онро барои барномасозии агентӣ ва кори уфуқи дароз сохтааст, на барои наср. Пас аз таълим дар зиёда аз 409,000 муҳит гузашт, аз ҷумла 83,000 вазифаи терминалӣ ва 168,000 вазифаи муҳандисии нармафзор, бо таълими такмилӣ дар FP8. Натиҷаҳои эълоншудаи Poolside барои барориши квантизатсиянашуда:

Бенчмарк	Бо андеша	Бе андеша	Он чиро чен мекунад
SWE-Bench Multilingual	78.5%	—	Ислоҳи хатоҳои воқеӣ дар бисёр забон
Terminal-Bench 2.1	70.2%	60.4%	Кори бисёрзинагӣ бо терминал ва абзорҳо
SWE-Bench Pro	59.4%	—	Вазифаҳои душвортар ва ба олудагӣ тобовари анбор
Toolathlon Verified	49.7%	—	Фарохии истифодаи абзорҳо дар бисёр API
SWE Atlas	46.2%	—	Навигатсияи анбор дар уфуқи дароз
DeepSWE v1.1	40.4%	16.5%	Муҳандисии агентии нармафзор

Фарқи байни ду сутун муфидтарин рақами ин ҷост: дар DeepSWE хол ҳангоми фаъол кардани мулоҳиза зиёда аз ду баробар меафзояд ва дар Terminal-Bench қариб даҳ хол илова мекунад.

Рақамҳои аз ҷониби Poolside эълоншуда барои барориши квантизатсиянашудаи Laguna S 2.1, июли соли 2026. Онҳо ченкуниҳои сохти W4A16-AutoRound-REAP-и мо нестанд ва мо барои он ҳеҷ рақами бенчмаркии худро нашр намекунем. Барои идораи буҷаи андеша дар API-и мо reasoning_effort-ро истифода баред.

Барои кори сӯҳбатӣ ва эҷодӣ мавқеи ростқавлона чунин аст: сифатҳое, ки дар паси корҳои дарози агентӣ меистанд — ҳамоҳанг нигоҳ доштани ҳолати зиёд, дар вазифа мондан, дур нашудан — ҳамонҳоеанд, ки дар паси кори дарози бо персонаж меистанд, ва дар амал он овозро дар тирезаи хеле дароз хуб нигоҳ медорад. Ҳеҷ бенчмарки нашршуда инро намегӯяд ва мо онро ихтироъ намекунем. Онро дар дархостҳои худ санҷед; бо $0.50 барои як миллион токени вуруд ин қариб ройгон аст.

05Нархи фарш воқеан чӣ мехарад?

$0.50 вуруд / $2.00 баромад барои як миллион токен зинаи ибтидоии Шлюзи Shannon AI аст, ки бо MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro ва Hy3 мубодила мешавад. Мушаххасан:

Бори корӣ	Вуруд	Баромад	Арзиш
Як давраи сӯҳбат бо таърихи 100K	100,000	2,000	$0.054
Боби 5,000-калимагӣ аз хулосаи дароз	30,000	7,000	$0.029
1,000 давраи кӯтоҳи сӯҳбат	4,000,000	500,000	$3.00
Хониши пурраи контексти 262K-токенӣ	262,144	16,384	$0.164

Сатри охирин ҳамонест, ки аз худ кардан меарзад: пур кардани тамоми тирезаи контекст ва тавлиди ҷавоби ҳадди аксари 16,384-токенӣ тақрибан шонздаҳ сент меарзад. Ба як фарохонӣ додани тамоми дастнавис, нусхаи сессия ё маҷмӯаи ҳуҷҷатҳо дигар қарори буҷа набуда, қарори таъхир мешавад. Ҳамон арифметика ҳолати дигари истифодаи нархи фаршро меронад — ҳаҷм: таснифоти гурӯҳӣ, аз нав навиштани оммавӣ, муколамаи синтетикӣ, лоиҳаи аввал, ки модели қавитар баъдтар онро сайқал медиҳад. Саҳифаи нархҳо ва феҳристи тадқиқот-ро бинед.

06«Бесензура» дар ин ҷо чӣ маъно дорад

Он маҳз ҳамон чизеро мегӯяд: бе қабати рад кардан ва бе филтри мазмун дар баромад. Ҳеҷ таснифкунанда байни модел ва ҷавоби шумо нишаста қарор намедиҳад, ки оё ба шумо пурсидан иҷозат буд; модел дар ҳамон сабке, ки шумо хостед, ҷавоб медиҳад ва аввал ба шумо дар бораи асоси савол дарс намегӯяд.

Барои кори эҷодӣ ин фарқи байни абзори қобили истифода ва ғайриқобили истифода аст. Бадеӣ душманони таҳдидомез, персонажҳое, ки бовариовар дурӯғ мегӯянд, зӯроварӣ бо оқибатҳо, ровиёни аз ҷиҳати ахлоқӣ вайроншударо дар бар мегирад — моделе, ки персонажро мешиканад, то радияи огоҳӣ илова кунад, дар вазифа ноком шудааст, на дар бехатарӣ муваффақ. Ҳамин барои тадқиқоти амният, ҳуҷҷатгузории гурӯҳи сурх, таҳияи тиббӣ ва ҳуқуқӣ ва тарҷумае, ки манбааш рӯирост аст, дуруст аст: категорияҳое, ки дар онҳо рад кардан танҳо ҷавоби нодуруст аст. Он чи ин маъно надорад, ин аст, ки доварӣ дигар аз они шумо нест — шумо барои он чи тавлид мекунед, масъул мемонед, тибқи Сиёсати Истифодаи Масъулонаи мо ва қонуни татбиқшаванда.

07Чӣ гуна API-и бесензураи Laguna-ро фаро хондан

Се лаҳҷа, як модел: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Ҷараёнӣ дар ҳар се кор мекунад, бинобар ин интегратсияи мавҷуда бо тағйири URL-и асосӣ ва идентификатори модел мегузарад — бе ивази SDK, бе аз нав навиштани коркарди паёмҳои шумо.

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"
}

Чанд қайди амалӣ:

• Ба ин идентификатори модел response_format ё json_schema нафиристед — агар китобхонаи муштарии шумо яке аз онҳоро ба таври пешфарз гузорад, онро хомӯш кунед ё ба бародаре гузаред, ки онро дастгирӣ мекунад.
• Абзорҳо ба массиви маъмулии tools мераванд — фарохонии абзорҳо пурра дастгирӣ мешавад; танҳо таъмини схема дар матни озод нест.
• Мулоҳизаи худро буҷа кунед. reasoning_effort эҳтиром карда мешавад — паст ё хомӯш таъхири сӯҳбатро паст ва токенҳои баромадро арзон нигоҳ медорад; онро барои кори бисёрзинагӣ бо абзорҳо баланд кунед, ки дар он ҷо фарқи бенчмарки боло нишон медиҳад, ки он чӣ мехарад.
• Ҳадди баромад 16,384 токен дар як дархост аст. Барои тавлиди ҳаҷми китоб онро ба бобҳо тақсим кунед ва ҷараён диҳед.
• Танҳо матн. Дар ин идентификатори модел вуруди тасвир нест — барои биноӣ MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 ё inkling-ро истифода баред.

Маълумотномаи пурраи параметрҳо, аутентификатсия, семантикаи хатоҳо ва майдончаи зинда: ҳуҷҷатгузории API.

08Кай онро интихоб кардан ва кай не

Онро интихоб кунед, вақте ки баромади шумо наср, муколама ё коде мебошад, ки инсон онро мехонад; ба шумо фарохонии абзорҳо лозим аст, вале матни бо схема маҳдудшуда не; арзиши ҳар токен дар контексти дароз бартарӣ дорад; ё шумо ақидаи дуюмро аз насабе мехоҳед, ки аз оилаҳои DeepSeek, Kimi ва MiMo, ки боқимондаи қаторро пур мекунанд, фарқ кунад.

Чизи дигарро интихоб кунед, вақте ки ба шумо JSON-и кафолатнок (MiMo-V2.5-Pro), фаҳмиши тасвир (Kimi-K2.6 ё MiMo-V2.5) ё нуқтаи сарҳадии душворӣ лозим аст, ки дар он фарқи нарх дар муқобили дуруст гирифтани ҷавоб аҳамият надорад (DeepSeek-V4-Pro, Kimi-K3).

09Саволҳои маъмул

---

Манбаъҳо: Poolside — корти модели Laguna S 2.1 · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Рақамҳои меъморӣ ва бенчмарк аз ҷониби нашркунанда барои барориши квантизатсиянашуда эълон шудаанд, на ченкуниҳои сохте, ки мо хизмат мерасонем. Shannon AI аз ҷониби Shannon Lab LLC, Ню-Мексико, ИМА идора мешавад.