Senzurasiz Laguna API

"Arzon model" haqidagi sahifalarning aksariyati past raqam evaziga kichik, charchagan poydevorni qabul qilishingizni so'raydi. Bunisi so'ramaydi. Laguna S 2.1 — 4,096 ta H200 da o'qitilgan va to'qqiz haftadan kamroq vaqtda chiqarilgan joriy avlod siyrak Mixture-of-Experts chiqarilishi va u biz xizmat qiladigan boshqa har bir boshlang'ich daraja modeli bilan bir xil $0.50 / $2.00 eng quyi chegarasida turadi. Kelishuv tor va u haqda mulohaza yuritish oson: siz server tomonidan majburlanadigan tuzilmali chiqishdan voz kechasiz va qolgan hamma narsani saqlab qolasiz.

01Laguna S 2.1 nima?

Laguna S 2.1 — Poolside tomonidan 2026-yil 21-iyulda erkin OpenMDW-1.1 litsenziyasi ostida chiqarilgan ochiq og'irlikli model — Laguna oilasining o'rta o'lchamli a'zosi, Laguna XS 2.1 (33B/3B aktiv) bilan Laguna M.1 (225B/23B aktiv) orasida.

Chop etilgan arxitektura — 256 yo'naltiriladigan ekspert plyus bitta umumiy ekspert ustidan softplus darvozalashli token tanlovchi router, har bir tokenda o'ntasi tanlanadi, 48 qatlam bo'ylab — o'n ikkitasi global e'tiborli, o'ttiz oltitasi 512 tokenli oynada suriladigan oynali, bu navbatlashtirish esa juda uzun kirishlarning e'tibor narxini kvadratik emas, chiziqliga yaqin ushlab turadi. E'tibor — bosh o'lchami 128 bo'lgan 8 kalit-qiymat boshi bilan guruhlangan so'rovli.

API iste'molchisi uchun ikkita oqibat muhim. Siyrak aktivlashtirish — 118B modelning eng quyi narxda tura olishining sababi: har bir tokenda atigi ~8B parametr ishlaydi, shuning uchun har bir tokendagi hisoblash parametr soni ko'rsatganidan ko'ra kichik zich modelga yaqinroq. Suriladigan oynali navbatlashtirish esa uzun oynaning nomigagina emas, chinakam ishlatsa bo'ladigan bo'lishining sababi. Poolside ning chiqarilishi 1,048,576 tokenni qo'llab-quvvatlaydi; biz 262,144 ni xizmatga qo'yamiz, bu esa gateway dagi boshqa har bir modelga mos keladi.

02Yagona izoh: tuzilmali chiqish yo'q

Nima hamon ishlaydi. Vosita chaqirish to'liq qo'llab-quvvatlanadi va vosita chaqirish argumentlari bu yerdagi boshqa har qanday modeldagidek JSON obyekti sifatida keladi. Agar ilovangizning "tuzilmali chiqishi" aslida vosita argumentlari bo'lsa — agent karkaslari, MCP serverlari va ma'lumotlar bazasi frontendlarining aksariyatida shunday — Laguna S 2.1 sizga yaxshi xizmat qiladi. Striming uchala dialektda ham ishlaydi; reasoning_effort ishlaydi.

Nima ishlamaydi. Siz endpointga JSON sxemasini berib, assistentning matnli javobi unga mos kelishiga kafolat ola olmaysiz va response_format: {"type": "json_object"} sizga hech narsa bermaydi. JSON so'rash odatda JSON ishlab chiqaradi — bu malakali model — lekin "odatda" shartnoma emas. Poolside ning o'zi chuqur ichma-ich joylashgan vosita chaqiriqlarida JSON ning noto'g'ri qochirilishini ma'lum cheklov sifatida hujjatlashtiradi va bu bizning ro'yxatimizning boshqa joyida mavjud bo'lgan kafolat modelning yaxshi niyatidan emas, xizmat qatlamidan kelishini eslatadi.

Buning o'rniga qaysi qardoshni ishlatish kerak

Agar ish yukingizga kafolatlangan JSON kerak bo'lsa, bu model bilan kurashmang — model id sini almashtiring. To'rtta qardosh to'liq json_schema va response_format qo'llab-quvvatlashi bilan xuddi shu $0.50 / $2.00 narxida turadi:

Model id	json_schema	Tasvir	Nega tanlaysiz
MiMo-V2.5-Pro-W8A16	Ha	Yo'q	To'g'ridan-to'g'ri almashtirish — 8-bitli og'irliklar, eng yuqori sadoqatli daraja, o'sha narx
MiMo-V2.5-W8A16	Ha	Ha	Xuddi shu, plyus rasm kirishi
Hy3-W8A16	Ha	Yo'q	Eng quyi narxdagi yana bitta 8-bitli matn modeli
DeepSeek-V4-Flash-0731	Ha	Yo'q	Laguna kabi W4A16-AutoRound-REAP, sxema qo'llab-quvvatlashi joyida

Tabiiy standart tanlov — MiMo-V2.5-Pro (W8A16): faqat matnli, eng quyi narxli, biz ishlatadigan eng yumshoq darajada kvantlangan — tafsilotlar MiMo-V2.5 model qo'llanmasida. O'n ikkala model ham endpointlar, kontekst oynasi va chiqish shiftini bo'lishgani uchun almashish model maydoniga bir qatorli o'zgarish.

03W4A16-AUTOROUND-REAP nimani anglatadi?

Model id sidagi qo'shimcha bezak emas — u og'irliklar GPU klasterimizga yuklanishidan oldin qanday siqilganini aniq aytadi. Uch qism.

W4A16 — 4-bitli og'irliklar, 16-bitli aktivatsiyalar

Og'irliklar 4 bitda saqlanadi; aktivatsiyalar — inference paytida qatlamlar orasida oqadigan qiymatlar — 16 da qoladi. Og'irliklarni BF16 izining chorak qismiga qisqartirish 118B modelning sig'ishi va tez qolishini ta'minlaydi, aktivatsiyalarni keng saqlash esa oldinga o'tishning son jihatdan nozik qismini himoya qiladi. Katta va statik narsani siqing, kichik va dinamigini tinch qo'ying.

AutoRound — eng yaqinga emas, o'rganilgan yaxlitlash

Kvantlashning sodda usuli — eng yaqinga yaxlitlash: har bir og'irlikni eng yaqin 4-bitli qiymatga tortish va xatolikni qabul qilish. Intel ning ochiq post-treyning kvantlash asboblar to'plami AutoRound yaxshiroq ish qiladi — uning SignRound usuli bir necha yuz qadam davomida yaxlitlash qarorlari va kesish oraliqlarini birgalikda optimallashtirish uchun ishorali gradient tushishi dan foydalanadi va har bir og'irlik uchun yuqoriga yoki pastga yaxlitlash qatlamning haqiqiy chiqishiga kamroq zarar yetkazishini hal qiladi. U g'oyani kvantlashni hisobga oluvchi o'qitishdan qayta o'qitish xarajatisiz oladi va aynan shuning uchun W4A16 yig'masi yo'qotishli qiziqish emas, jiddiy model bo'la oladi.

REAP — ekspertlarni birlashtirish emas, kesish

REAP — Cerebras Research tomonidan chop etilgan Router-weighted Expert Activation Pruning. MoE modelida hamma ekspert ham o'z og'irligini tortmaydi: router ba'zilariga kam token yuboradi, ba'zilari esa ishga tushganda ham kam kattalik qo'shadi. REAP har bir ekspertni ikkala signal bo'yicha — router darvoza qiymatlari va ekspert aktivatsiya normalari — baholaydi va kam ahamiyatlilarini kvantlashdan oldin bir zarbada olib tashlaydi. Muhimi, u birlashtirmaydi, kesadi: birlashtirish bir nechta ekspertni bittaga qo'shadi va routerning mayda donali, kirishga bog'liq nazoratini yo'q qiladi hamda hech qanday sozlash olib tashlamaydigan xatolik poyini kiritadi (mualliflar buni funksional kichik fazoning yopilishi deb ataydi), kesish esa omon qolganlarni va routerning ular ustidagi nazoratini butun qoldiradi. Cerebras trillion parametrli modellardan ekspertlarning 50% igacha olib tashlab, bazaviy sifatni asosan saqlaganini xabar qiladi — 50% kesishdagi 480B kod modelida agentlik bo'lmagan kodlash qobiliyatining 97.6% i va agentlik SWE-Bench da 96.7% i. Bular Cerebras ning o'z modellari uchun ko'rsatkichlari, bizning yig'mamizning o'lchovlari emas, lekin biz bu to'plamni asosiy kuchi kod bo'lgan poydevorda ishlatishimizning sababi ham shu.

Birgalikda qo'shimcha bir gap bo'lib o'qiladi: deyarli ishlatilmagan ekspertlarni kesing, 4-bitli yaxlitlashni taxmin qilmasdan o'rganing, aktivatsiyalarni to'liq kenglikda saqlang.

04Bu model aslida nimada yaxshi?

Avval halollik: Laguna S 2.1 — faqat matnli suhbat modeli — bu model id sida tasvir kirishi yo'q — va Poolside uni nasr uchun emas, agentlik kodlash va uzoq ufqli ish uchun qurgan. Post-treyning 409,000 dan ortiq muhitda, jumladan 83,000 terminal va 168,000 dasturiy injiniring vazifasida, FP8 da mustahkamlovchi o'qitish bilan o'tgan. Poolside ning kvantlanmagan chiqarilish uchun xabar qilgan natijalari:

Benchmark	Fikrlash bilan	Fikrlashsiz	Nimani o'lchaydi
SWE-Bench Multilingual	78.5%	—	Ko'p til bo'ylab haqiqiy xato tuzatishlari
Terminal-Bench 2.1	70.2%	60.4%	Ko'p bosqichli shell va asbob ishi
SWE-Bench Pro	59.4%	—	Qiyinroq, ifloslanishga chidamli repozitoriy vazifalari
Toolathlon Verified	49.7%	—	Ko'p API bo'ylab vosita ishlatish kengligi
SWE Atlas	46.2%	—	Uzoq ufqli repozitoriy bo'ylab harakat
DeepSWE v1.1	40.4%	16.5%	Agentlik dasturiy injiniringi

Ikki ustun orasidagi tafovut — bu yerdagi eng amaliy raqam: DeepSWE da fikrlash yoqilganda ball ikki barobardan ko'proqqa oshadi, Terminal-Bench da esa deyarli o'n punkt yutadi.

Kvantlanmagan Laguna S 2.1 chiqarilishi uchun Poolside xabar qilgan ko'rsatkichlar, 2026-yil iyul. Ular bizning W4A16-AutoRound-REAP yig'mamizning o'lchovlari emas va biz uning uchun o'z benchmark raqamlarimizni chop etmaymiz. API mizda fikrlash byudjetini boshqarish uchun reasoning_effort dan foydalaning.

Suhbat va ijodiy ish uchun halol pozitsiya shunday: uzoq agentlik yurishlari ortidagi fazilatlar — ko'p holatni izchil ushlab turish, vazifada qolish, chetga og'maslik — uzun shakldagi obraz ishi ortidagi fazilatlarning o'zi va amalda u juda uzun oyna bo'ylab ovozni yaxshi saqlaydi. Buni hech qanday chop etilgan benchmark aytmaydi va biz uni o'ylab topmaymiz. O'z so'rovlaringizda sinang; million kirish tokeni uchun $0.50 da bu deyarli bepul.

05Eng quyi narx aslida nima sotib oladi?

Million tokenga $0.50 kirish / $2.00 chiqish — Shannon AI Gateway idagi boshlang'ich daraja, u MiniMax-M3, DeepSeek-V4-Flash, MiMo-V2.5, MiMo-V2.5-Pro va Hy3 bilan bo'lishiladi. Aniq qilib:

Ish yuki	Kirish	Chiqish	Narx
100K tarixli bitta chat navbati	100,000	2,000	$0.054
Uzun brifdan 5,000 so'zli bob	30,000	7,000	$0.029
1,000 ta qisqa suhbat navbati	4,000,000	500,000	$3.00
To'liq 262K tokenli kontekstni o'qish	262,144	16,384	$0.164

Ichiga singdirish kerak bo'lgani — oxirgi qator: butun kontekst oynasini to'ldirish va maksimal 16,384 tokenli javobni generatsiya qilish taxminan o'n olti sent turadi. Butun qo'lyozmani, seans transkriptini yoki hujjatlar to'plamini bitta chaqiriqqa berish byudjet qarori bo'lishdan to'xtaydi va kechikish qaroriga aylanadi. Xuddi shu arifmetika eng quyi narxning boshqa ishlatilish holatini ham quvvatlaydi — hajm: ommaviy tasniflash, ko'p miqdorda qayta yozish, sintetik dialog, keyinroq kuchliroq model sayqallaydigan birinchi o'tish qoralamasi. Narxlar sahifasi va tadqiqot indeksiga qarang.

06Bu yerda "senzurasiz" nimani anglatadi

U aytganini anglatadi: rad etish qatlami yo'q va chiqishga kontent filtri yo'q. Model bilan javobingiz orasida so'rashga ruxsatingiz bor-yo'qligini hal qiladigan klassifikator turmaydi; model siz so'ragan uslubda javob beradi va avval sizga asos haqida ma'ruza o'qimaydi.

Ijodiy ish uchun bu — ishlatsa bo'ladigan asbob bilan ishlatib bo'lmaydigani orasidagi farq. Badiiy adabiyotda qo'rqinchli antagonistlar, ishonarli yolg'on gapiradigan qahramonlar, oqibatli zo'ravonlik, axloqiy jihatdan murosaga kelgan hikoyachilar bor — obrazdan chiqib ogohlantirish qo'shadigan model xavfsizlikda muvaffaqiyat qozonmagan, vazifada muvaffaqiyatsizlikka uchragan bo'ladi. Xuddi shu narsa xavfsizlik tadqiqoti, red-team hujjatlari, tibbiy va huquqiy qoralama hamda manba keskin bo'lgan tarjima uchun ham amal qiladi: rad etish shunchaki noto'g'ri javob bo'lgan toifalar. U anglatmaydigan narsa esa mulohaza sizniki bo'lishdan to'xtashi emas — siz generatsiya qilgan narsangiz uchun Mas'uliyatli Foydalanish Siyosatimiz va amaldagi qonun doirasida javobgarsiz.

07Senzurasiz Laguna API ni qanday chaqirish kerak

Uchta dialekt, bitta model: /v1/chat/completions (OpenAI), /v1/messages (Anthropic), /v1/responses. Striming uchalasida ham ishlaydi, shuning uchun mavjud integratsiya bazaviy URL va model id sini o'zgartirish bilan ko'chib o'tadi — SDK almashtirish yo'q, xabar ishlashingizni qaytadan yozish yo'q.

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"
}

Bir nechta amaliy qayd:

• Bu model id siga response_format yoki json_schema yubormang — agar klient kutubxonangiz birortasini standart holda o'rnatsa, uni o'chiring yoki uni qo'llab-quvvatlaydigan qardoshga o'ting.
• Vositalar odatdagi tools massivida ketadi — vosita chaqirish to'liq qo'llab-quvvatlanadi; faqat erkin matnda sxema majburlash yo'q.
• Fikrlashni byudjetlang. reasoning_effort hurmat qilinadi — past yoki o'chirilgan holat suhbat kechikishini past va chiqish tokenlarini arzon ushlaydi; ko'p bosqichli vosita ishi uchun uni ko'taring, yuqoridagi benchmark tafovuti u nima sotib olishini ko'rsatadi.
• Chiqish shifti — har bir so'rovga 16,384 token. Kitob uzunligidagi generatsiya uchun uni boblarga bo'ling va oqiming.
• Faqat matn. Bu model id sida rasm kirishi yo'q — tasvir uchun MiMo-V2.5, Kimi-K2.6, Kimi-K3, MiniMax-M3 yoki inkling ni ishlating.

Parametrlarning to'liq ma'lumotnomasi, autentifikatsiya, xato semantikasi va jonli sinov maydoni: API hujjatlari.

08Uni qachon tanlash kerak va qachon kerak emas

Uni tanlang, agar chiqishingiz odam o'qiydigan nasr, dialog yoki kod bo'lsa; sizga vosita chaqirish kerak, lekin sxema bilan cheklangan matn kerak bo'lmasa; uzun kontekstda har bir tokendagi narx hukmronlik qilsa; yoki ro'yxatning qolgan qismini to'ldiradigan DeepSeek, Kimi va MiMo oilalaridan boshqa nasldan ikkinchi fikrni istasangiz.

Boshqa narsani tanlang, agar sizga kafolatlangan JSON (MiMo-V2.5-Pro), rasmni tushunish (Kimi-K2.6 yoki MiMo-V2.5) yoki javobni to'g'ri olish yonida narx tafovuti ahamiyatsiz bo'lgan qiyinlikning chegara uchi (DeepSeek-V4-Pro, Kimi-K3) kerak bo'lsa.

09Ko'p beriladigan savollar

---

Manbalar: Poolside — Laguna S 2.1 model kartasi · Introducing Laguna S 2.1 · REAP the Experts (Cerebras Research) · Intel AutoRound. Arxitektura va benchmark ko'rsatkichlari kvantlanmagan chiqarilish uchun noshir tomonidan xabar qilingan va biz xizmat qiladigan yig'maning o'lchovlari emas. Shannon AI ni Shannon Lab LLC, Nyu-Meksiko, AQSh boshqaradi.