Poolside Laguna XS 2.1 est un modèle linguistique à mélange d’experts pour la programmation par agents et le travail de longue haleine, positionné comme le plus petit modèle de déploiement local de la série Laguna. Il possède 33 milliards de paramètres au total et 3 milliards de paramètres actifs par token. C’est une mise à jour de Laguna XS.2 qui conserve son architecture tout en améliorant les résultats d’ingénierie logicielle et de tâches en terminal annoncés par le fabricant. Le modèle accepte du texte et génère du texte, du code, du raisonnement et des demandes d’appels d’outils.
Sa conception en 40 couches associe 10 couches d’attention globale et 30 couches à fenêtre glissante, avec une porte sigmoïde et une fenêtre glissante de 512 tokens. Cette fenêtre d’attention locale est distincte du contexte de 262 144 tokens du modèle. Poolside décrit également une conception de cache KV en FP8 pour réduire la mémoire par token. Ces caractéristiques expliquent son orientation vers le déploiement local, mais le besoin précis en mémoire dépend toujours du checkpoint, de la quantification, du contexte de travail et de la configuration de mise en service.
Pour une tâche de programmation, fournissez les fichiers sources pertinents sous forme de texte, le comportement attendu et l’erreur réelle ou la sortie en échec. Une demande utile est : « Corrige le traitement des délimiteurs échappés par cet analyseur tout en préservant le format d’entrée publié. Montre la modification proposée, explique les cas concernés et identifie des exemples qui révéleraient une régression. » Gardez un livrable concret et une condition d’achèvement afin que le modèle travaille vers un résultat plutôt que de simplement discuter du problème.
Pour les tâches de type terminal, fournissez l’environnement actuel, les résultats de commandes pertinents et les contraintes du travail. Dans une application connectée à des outils, le modèle propose un appel de fonction, l’application l’exécute et le résultat est renvoyé pour la décision suivante. Demandez-lui d’expliquer ce que révèle un échec avant de proposer une autre commande. Par exemple, fournissez le manifeste des dépendances et les résultats de l’installation échouée, puis demandez la plus petite correction étayée par les sources et le résultat attendu de la vérification suivante. Conservez dans l’historique les étapes déjà réussies et le problème non résolu.
Laguna XS 2.1 est conçu pour une réflexion intercalée avant et entre les appels d’outils. Le fabricant recommande de conserver le contenu de raisonnement des messages précédents de l’assistant lors de la reconstruction de la requête suivante. Supprimer ce contenu peut empêcher la poursuite du raisonnement lors des étapes suivantes. Gardez ensemble la réponse de l’assistant, ses informations d’appel d’outil et le résultat correspondant, avec l’objectif en cours visible. C’est particulièrement utile lorsque plusieurs observations contribuent à une correction et qu’une étape ultérieure dépend d’une décision antérieure.
La réflexion peut être activée ou désactivée via le gabarit de conversation (chat template). Poolside recommande de l’activer pour la programmation par agents et de la conserver entre les échanges. Une demande de réponse directe peut convenir à une petite transformation ou à une explication, tandis qu’une réparation comportant plusieurs conditions dépendantes bénéficie d’une boucle continue de raisonnement et d’observation. Précisez le format de sortie final et laissez de la place pour la réponse finale. Les réglages d’évaluation du fabricant sont des choix de recette, et non une garantie universelle quant à la quantité de raisonnement ou à la longueur maximale d’une réponse.
Pour de longues sources en entrée, organisez les fichiers et la documentation avec des limites claires et des noms stables. Demandez de retracer une relation précise, par exemple quels appelants dépendent d’une interface modifiée, quelles conditions distinguent deux implémentations ou pourquoi le résultat d’un test contredit le diagnostic proposé. Gardez les décisions importantes et les vérifications réelles dans un dossier de tâche compact et retirez l’historique sans rapport. La limite de contexte couvre les contenus de travail et la continuation générée ; une réponse finale occupant tout le contexte ne constitue pas une capacité distincte promise.
Poolside publie des variantes BF16 ainsi que des variantes distinctes FP8, NVFP4, INT4 et GGUF, et des modèles brouillons DFlash. Ce sont des choix de déploiement différents. Un petit nombre de paramètres actifs ne signifie pas que l’ensemble des poids du modèle n’occupe que cette quantité de mémoire, et un modèle brouillon est un compagnon d’accélération plutôt que le modèle de programmation lui-même. Conservez le checkpoint exact lorsque vous comparez des résultats locaux et préparez le code ou les documents sous forme de texte pour ce modèle texte-vers-texte.
Le fabricant documente un problème d’analyse des appels d’outils dans d’anciennes versions de mise en service, qui peut supprimer certains appels et exposer leur balisage brut comme du texte de réponse ordinaire. Cela illustre pourquoi un workflow connecté à des outils doit distinguer la requête voulue par le modèle d’un appel de fonction correctement analysé. Examinez le nom et les arguments analysés, validez-les par rapport au schéma réel et conservez le résultat d’exécution. Un rapport final doit identifier le livrable révisé, les vérifications observées et les hypothèses restantes. Un correctif ou une commande proposés ne deviennent un résultat accompli que lorsque ces traces établissent leur comportement.
", "aboutText": "Poolside Laguna XS 2.1 est un modèle linguistique à mélange d’experts pour la programmation par agents et le travail de longue haleine, positionné comme le plus petit modèle de déploiement local de la série Laguna. Il possède 33 milliards de paramètres au total et 3 milliards de paramètres actifs par token. C’est une mise à jour de Laguna XS.2 qui conserve son architecture tout en améliorant les résultats d’ingénierie logicielle et de tâches en terminal annoncés par le fabricant. Le modèle accepte du texte et génère du texte, du code, du raisonnement et des demandes d’appels d’outils.\n\nSa conception en 40 couches associe 10 couches d’attention globale et 30 couches à fenêtre glissante, avec une porte sigmoïde et une fenêtre glissante de 512 tokens. Cette fenêtre d’attention locale est distincte du contexte de 262 144 tokens du modèle. Poolside décrit également une conception de cache KV en FP8 pour réduire la mémoire par token. Ces caractéristiques expliquent son orientation vers le déploiement local, mais le besoin précis en mémoire dépend toujours du checkpoint, de la quantification, du contexte de travail et de la configuration de mise en service.\n\nPour une tâche de programmation, fournissez les fichiers sources pertinents sous forme de texte, le comportement attendu et l’erreur réelle ou la sortie en échec. Une demande utile est : « Corrige le traitement des délimiteurs échappés par cet analyseur tout en préservant le format d’entrée publié. Montre la modification proposée, explique les cas concernés et identifie des exemples qui révéleraient une régression. » Gardez un livrable concret et une condition d’achèvement afin que le modèle travaille vers un résultat plutôt que de simplement discuter du problème.\n\nPour les tâches de type terminal, fournissez l’environnement actuel, les résultats de commandes pertinents et les contraintes du travail. Dans une application connectée à des outils, le modèle propose un appel de fonction, l’application l’exécute et le résultat est renvoyé pour la décision suivante. Demandez-lui d’expliquer ce que révèle un échec avant de proposer une autre commande. Par exemple, fournissez le manifeste des dépendances et les résultats de l’installation échouée, puis demandez la plus petite correction étayée par les sources et le résultat attendu de la vérification suivante. Conservez dans l’historique les étapes déjà réussies et le problème non résolu.\n\nLaguna XS 2.1 est conçu pour une réflexion intercalée avant et entre les appels d’outils. Le fabricant recommande de conserver le contenu de raisonnement des messages précédents de l’assistant lors de la reconstruction de la requête suivante. Supprimer ce contenu peut empêcher la poursuite du raisonnement lors des étapes suivantes. Gardez ensemble la réponse de l’assistant, ses informations d’appel d’outil et le résultat correspondant, avec l’objectif en cours visible. C’est particulièrement utile lorsque plusieurs observations contribuent à une correction et qu’une étape ultérieure dépend d’une décision antérieure.\n\nLa réflexion peut être activée ou désactivée via le gabarit de conversation (chat template). Poolside recommande de l’activer pour la programmation par agents et de la conserver entre les échanges. Une demande de réponse directe peut convenir à une petite transformation ou à une explication, tandis qu’une réparation comportant plusieurs conditions dépendantes bénéficie d’une boucle continue de raisonnement et d’observation. Précisez le format de sortie final et laissez de la place pour la réponse finale. Les réglages d’évaluation du fabricant sont des choix de recette, et non une garantie universelle quant à la quantité de raisonnement ou à la longueur maximale d’une réponse.\n\nPour de longues sources en entrée, organisez les fichiers et la documentation avec des limites claires et des noms stables. Demandez de retracer une relation précise, par exemple quels appelants dépendent d’une interface modifiée, quelles conditions distinguent deux implémentations ou pourquoi le résultat d’un test contredit le diagnostic proposé. Gardez les décisions importantes et les vérifications réelles dans un dossier de tâche compact et retirez l’historique sans rapport. La limite de contexte couvre les contenus de travail et la continuation générée ; une réponse finale occupant tout le contexte ne constitue pas une capacité distincte promise.\n\nPoolside publie des variantes BF16 ainsi que des variantes distinctes FP8, NVFP4, INT4 et GGUF, et des modèles brouillons DFlash. Ce sont des choix de déploiement différents. Un petit nombre de paramètres actifs ne signifie pas que l’ensemble des poids du modèle n’occupe que cette quantité de mémoire, et un modèle brouillon est un compagnon d’accélération plutôt que le modèle de programmation lui-même. Conservez le checkpoint exact lorsque vous comparez des résultats locaux et préparez le code ou les documents sous forme de texte pour ce modèle texte-vers-texte.\n\nLe fabricant documente un problème d’analyse des appels d’outils dans d’anciennes versions de mise en service, qui peut supprimer certains appels et exposer leur balisage brut comme du texte de réponse ordinaire. Cela illustre pourquoi un workflow connecté à des outils doit distinguer la requête voulue par le modèle d’un appel de fonction correctement analysé. Examinez le nom et les arguments analysés, validez-les par rapport au schéma réel et conservez le résultat d’exécution. Un rapport final doit identifier le livrable révisé, les vérifications observées et les hypothèses restantes. Un correctif ou une commande proposés ne deviennent un résultat accompli que lorsque ces traces établissent leur comportement.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "39ad540c23085b21f0e5f4cfc4af742e9b8cc27f94e8b33eb57725bc423d1db7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 est un modèle textuel de 33 milliards de paramètres au total, dont 3 milliards de paramètres actifs, destiné à la programmation par agents et au travail de longue haleine. Il dispose d’un contexte de 262 144 tokens et d’un raisonnement natif entre les appels d’outils. Son architecture MoE plus petite et ses versions quantifiées distinctes permettent un déploiement local dont les besoins en ressources dépendent de la configuration.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Poolside Laguna XS 2.1 est un modèle linguistique à mélange d’experts pour la programmation par agents et le travail de longue haleine, positionné comme le plus petit modèle de déploiement local de la série Laguna. Il possède 33 milliards de paramètres au total et 3 milliards de paramètres actifs par token. C’est une mise à jour de Laguna XS.2 qui conserve son architecture tout en améliorant les résultats d’ingénierie logicielle et de tâches en terminal annoncés par le fabricant. Le modèle accepte du texte et génère du texte, du code, du raisonnement et des demandes d’appels d’outils.
Sa conception en 40 couches associe 10 couches d’attention globale et 30 couches à fenêtre glissante, avec une porte sigmoïde et une fenêtre glissante de 512 tokens. Cette fenêtre d’attention locale est distincte du contexte de 262 144 tokens du modèle. Poolside décrit également une conception de cache KV en FP8 pour réduire la mémoire par token. Ces caractéristiques expliquent son orientation vers le déploiement local, mais le besoin précis en mémoire dépend toujours du checkpoint, de la quantification, du contexte de travail et de la configuration de mise en service.
Pour une tâche de programmation, fournissez les fichiers sources pertinents sous forme de texte, le comportement attendu et l’erreur réelle ou la sortie en échec. Une demande utile est : « Corrige le traitement des délimiteurs échappés par cet analyseur tout en préservant le format d’entrée publié. Montre la modification proposée, explique les cas concernés et identifie des exemples qui révéleraient une régression. » Gardez un livrable concret et une condition d’achèvement afin que le modèle travaille vers un résultat plutôt que de simplement discuter du problème.
Pour les tâches de type terminal, fournissez l’environnement actuel, les résultats de commandes pertinents et les contraintes du travail. Dans une application connectée à des outils, le modèle propose un appel de fonction, l’application l’exécute et le résultat est renvoyé pour la décision suivante. Demandez-lui d’expliquer ce que révèle un échec avant de proposer une autre commande. Par exemple, fournissez le manifeste des dépendances et les résultats de l’installation échouée, puis demandez la plus petite correction étayée par les sources et le résultat attendu de la vérification suivante. Conservez dans l’historique les étapes déjà réussies et le problème non résolu.
Laguna XS 2.1 est conçu pour une réflexion intercalée avant et entre les appels d’outils. Le fabricant recommande de conserver le contenu de raisonnement des messages précédents de l’assistant lors de la reconstruction de la requête suivante. Supprimer ce contenu peut empêcher la poursuite du raisonnement lors des étapes suivantes. Gardez ensemble la réponse de l’assistant, ses informations d’appel d’outil et le résultat correspondant, avec l’objectif en cours visible. C’est particulièrement utile lorsque plusieurs observations contribuent à une correction et qu’une étape ultérieure dépend d’une décision antérieure.
La réflexion peut être activée ou désactivée via le gabarit de conversation (chat template). Poolside recommande de l’activer pour la programmation par agents et de la conserver entre les échanges. Une demande de réponse directe peut convenir à une petite transformation ou à une explication, tandis qu’une réparation comportant plusieurs conditions dépendantes bénéficie d’une boucle continue de raisonnement et d’observation. Précisez le format de sortie final et laissez de la place pour la réponse finale. Les réglages d’évaluation du fabricant sont des choix de recette, et non une garantie universelle quant à la quantité de raisonnement ou à la longueur maximale d’une réponse.
Pour de longues sources en entrée, organisez les fichiers et la documentation avec des limites claires et des noms stables. Demandez de retracer une relation précise, par exemple quels appelants dépendent d’une interface modifiée, quelles conditions distinguent deux implémentations ou pourquoi le résultat d’un test contredit le diagnostic proposé. Gardez les décisions importantes et les vérifications réelles dans un dossier de tâche compact et retirez l’historique sans rapport. La limite de contexte couvre les contenus de travail et la continuation générée ; une réponse finale occupant tout le contexte ne constitue pas une capacité distincte promise.
Poolside publie des variantes BF16 ainsi que des variantes distinctes FP8, NVFP4, INT4 et GGUF, et des modèles brouillons DFlash. Ce sont des choix de déploiement différents. Un petit nombre de paramètres actifs ne signifie pas que l’ensemble des poids du modèle n’occupe que cette quantité de mémoire, et un modèle brouillon est un compagnon d’accélération plutôt que le modèle de programmation lui-même. Conservez le checkpoint exact lorsque vous comparez des résultats locaux et préparez le code ou les documents sous forme de texte pour ce modèle texte-vers-texte.
Le fabricant documente un problème d’analyse des appels d’outils dans d’anciennes versions de mise en service, qui peut supprimer certains appels et exposer leur balisage brut comme du texte de réponse ordinaire. Cela illustre pourquoi un workflow connecté à des outils doit distinguer la requête voulue par le modèle d’un appel de fonction correctement analysé. Examinez le nom et les arguments analysés, validez-les par rapport au schéma réel et conservez le résultat d’exécution. Un rapport final doit identifier le livrable révisé, les vérifications observées et les hypothèses restantes. Un correctif ou une commande proposés ne deviennent un résultat accompli que lorsque ces traces établissent leur comportement.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites poolside/laguna-xs-2.1:free | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites false | Par défautfalse |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 32 768 | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 32 768 | Par défaut— |
Champn | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 128 | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champseed | Typeinteger | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstop | Type | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champfrequency_penalty | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champpresence_penalty | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional | Contratstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Paramètrematerial_types | Contrattext |
Paramètreconditions | ContratUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Cycle de vie : synchronous_json
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Utilisez les chemins de méthode indiqués ci-dessus.
poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 est un modèle textuel de 33 milliards de paramètres au total, dont 3 milliards de paramètres actifs, destiné à la programmation par agents et au travail de longue haleine. Il dispose d’un contexte de 262 144 tokens et d’un raisonnement natif entre les appels d’outils. Son architecture MoE plus petite et ses versions quantifiées distinctes permettent un déploiement local dont les besoins en ressources dépendent de la configuration.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Poolside Laguna XS 2.1 est un modèle linguistique à mélange d’experts pour la programmation par agents et le travail de longue haleine, positionné comme le plus petit modèle de déploiement local de la série Laguna. Il possède 33 milliards de paramètres au total et 3 milliards de paramètres actifs par token. C’est une mise à jour de Laguna XS.2 qui conserve son architecture tout en améliorant les résultats d’ingénierie logicielle et de tâches en terminal annoncés par le fabricant. Le modèle accepte du texte et génère du texte, du code, du raisonnement et des demandes d’appels d’outils.
Sa conception en 40 couches associe 10 couches d’attention globale et 30 couches à fenêtre glissante, avec une porte sigmoïde et une fenêtre glissante de 512 tokens. Cette fenêtre d’attention locale est distincte du contexte de 262 144 tokens du modèle. Poolside décrit également une conception de cache KV en FP8 pour réduire la mémoire par token. Ces caractéristiques expliquent son orientation vers le déploiement local, mais le besoin précis en mémoire dépend toujours du checkpoint, de la quantification, du contexte de travail et de la configuration de mise en service.
Pour une tâche de programmation, fournissez les fichiers sources pertinents sous forme de texte, le comportement attendu et l’erreur réelle ou la sortie en échec. Une demande utile est : « Corrige le traitement des délimiteurs échappés par cet analyseur tout en préservant le format d’entrée publié. Montre la modification proposée, explique les cas concernés et identifie des exemples qui révéleraient une régression. » Gardez un livrable concret et une condition d’achèvement afin que le modèle travaille vers un résultat plutôt que de simplement discuter du problème.
Pour les tâches de type terminal, fournissez l’environnement actuel, les résultats de commandes pertinents et les contraintes du travail. Dans une application connectée à des outils, le modèle propose un appel de fonction, l’application l’exécute et le résultat est renvoyé pour la décision suivante. Demandez-lui d’expliquer ce que révèle un échec avant de proposer une autre commande. Par exemple, fournissez le manifeste des dépendances et les résultats de l’installation échouée, puis demandez la plus petite correction étayée par les sources et le résultat attendu de la vérification suivante. Conservez dans l’historique les étapes déjà réussies et le problème non résolu.
Laguna XS 2.1 est conçu pour une réflexion intercalée avant et entre les appels d’outils. Le fabricant recommande de conserver le contenu de raisonnement des messages précédents de l’assistant lors de la reconstruction de la requête suivante. Supprimer ce contenu peut empêcher la poursuite du raisonnement lors des étapes suivantes. Gardez ensemble la réponse de l’assistant, ses informations d’appel d’outil et le résultat correspondant, avec l’objectif en cours visible. C’est particulièrement utile lorsque plusieurs observations contribuent à une correction et qu’une étape ultérieure dépend d’une décision antérieure.
La réflexion peut être activée ou désactivée via le gabarit de conversation (chat template). Poolside recommande de l’activer pour la programmation par agents et de la conserver entre les échanges. Une demande de réponse directe peut convenir à une petite transformation ou à une explication, tandis qu’une réparation comportant plusieurs conditions dépendantes bénéficie d’une boucle continue de raisonnement et d’observation. Précisez le format de sortie final et laissez de la place pour la réponse finale. Les réglages d’évaluation du fabricant sont des choix de recette, et non une garantie universelle quant à la quantité de raisonnement ou à la longueur maximale d’une réponse.
Pour de longues sources en entrée, organisez les fichiers et la documentation avec des limites claires et des noms stables. Demandez de retracer une relation précise, par exemple quels appelants dépendent d’une interface modifiée, quelles conditions distinguent deux implémentations ou pourquoi le résultat d’un test contredit le diagnostic proposé. Gardez les décisions importantes et les vérifications réelles dans un dossier de tâche compact et retirez l’historique sans rapport. La limite de contexte couvre les contenus de travail et la continuation générée ; une réponse finale occupant tout le contexte ne constitue pas une capacité distincte promise.
Poolside publie des variantes BF16 ainsi que des variantes distinctes FP8, NVFP4, INT4 et GGUF, et des modèles brouillons DFlash. Ce sont des choix de déploiement différents. Un petit nombre de paramètres actifs ne signifie pas que l’ensemble des poids du modèle n’occupe que cette quantité de mémoire, et un modèle brouillon est un compagnon d’accélération plutôt que le modèle de programmation lui-même. Conservez le checkpoint exact lorsque vous comparez des résultats locaux et préparez le code ou les documents sous forme de texte pour ce modèle texte-vers-texte.
Le fabricant documente un problème d’analyse des appels d’outils dans d’anciennes versions de mise en service, qui peut supprimer certains appels et exposer leur balisage brut comme du texte de réponse ordinaire. Cela illustre pourquoi un workflow connecté à des outils doit distinguer la requête voulue par le modèle d’un appel de fonction correctement analysé. Examinez le nom et les arguments analysés, validez-les par rapport au schéma réel et conservez le résultat d’exécution. Un rapport final doit identifier le livrable révisé, les vérifications observées et les hypothèses restantes. Un correctif ou une commande proposés ne deviennent un résultat accompli que lorsque ces traces établissent leur comportement.
POST /v1/messagestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites poolside/laguna-xs-2.1:free | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites false | Par défautfalse |
Champsystem | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 Maximum: 32 768 | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_k | Typeinteger | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstop_sequences | Typearray | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional | Contratstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Paramètrematerial_types | Contrattext |
Paramètreconditions | ContratUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Cycle de vie : synchronous_json
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Utilisez les chemins de méthode indiqués ci-dessus.