A Poolside Laguna S 2.1 szakértői keverékarchitektúrájú nyelvi modell ügynöki kódoláshoz és hosszú távú munkához. Összesen 118 milliárd paramétert és tokenenként körülbelül 8 milliárd aktív paramétert tartalmaz, így a gyártó sorozatában a kisebb Laguna XS 2.1 és a nagyobb Laguna M.1 között helyezkedik el. A modell szöveget dolgoz fel, és szöveget, kódot, következtetést és eszközhívási kéréseket állít elő egy eszközökhöz kapcsolt alkalmazásban.
Architektúrája 48 rétegen át kombinálja a globális és a csúszóablakos figyelmet: 12 globális és 36 csúszóablakos réteggel. Az 512 tokenes csúszóablak e rétegek helyi figyelmét írja le, míg a dokumentált modellkontextus 1 048 576 tokenes. Ezek különböző mértékek. A nagyobb kontextus olyan feladatokat támogat, amelyek sok lépésen át forrásfájlokat, megfigyeléseket és döntéseket halmoznak fel. Tartsa együtt a munkacélt és az érdemi bizonyítékokat, és az alkalmazott konfiguráción belül hagyjon helyet a további következtetésnek és a végső válasznak.
A modell fő célja olyan szoftveres munka, amely kitartást, ellenőrzést és átdolgozást igényel. Kódtári feladathoz adja meg az elvárt viselkedést, szövegként a releváns fájlokat, a függőségi információkat és a tényleges sikertelen kimenetet. Kérjen célzott eredményt: „Kövesse végig e regresszió okát, javasoljon a dokumentált interfészt megőrző módosítást, és azonosítsa azokat az ellenőrzéseket, amelyek megkülönböztetnék a javítást egy független változtatástól.” Eszközökhöz kapcsolt munkafolyamatban adja meg a modellnek minden végrehajtott ellenőrzés eredményét, mielőtt kiválasztja a következő lépést.
Optimalizáláshoz adjon meg méréseket és egyértelmű célt. Például: „E profil és memóriafoglalási jelentés alapján azonosítson egy szűk keresztmetszetet. Javasoljon egy módosítást, magyarázza el a várható hatását, és ugyanazon mérés megismétlése után hasonlítsa össze az alapállapottal.” Ez ellenőrizhetővé teszi a teljesítményállítást. A Poolside kiadása fontos viselkedésként tárgyalja az ellenőrzést és a folyamatos előrehaladást, de egy meggyőző magyarázat önmagában nem igazolja, hogy egy módosítás gyorsabb, helyes vagy teljes. Őrizze meg a módosítás megtartását vagy elvetését alátámasztó megfigyeléseket.
A Laguna S 2.1 támogatja az eszközhívások előtti és közötti váltakozó gondolkodást. A gyártó a korábbi asszisztensüzenetek következtetési tartalmának megőrzését ajánlja a későbbi előzményekben; e blokkok elhagyása a következtetés leállását okozhatja a folytató lépésekben. Tartsa együtt az asszisztens válaszát, az eszközhívás adatait és a hozzá tartozó eszközeredményt. Ez segít a hosszabb feladatot a tényleges állapotából folytatni a már kipróbált lépések ismételt rekonstruálása helyett.
A dokumentált gondolkodási lehetőségek az off és a max, a gyártó által leírt beállításban alapértelmezetten engedélyezett max értékkel. Ebben a módban a modell határozza meg a gondolkodási keretét; a kiadás nem kínál külön low, medium és high erőfeszítési vezérlőket. Ügynöki kódoláshoz a Poolside a gondolkodás engedélyezését és a lépések közötti megtartását ajánlja. Egyértelműen adja meg a végső anyagot és a befejezési kritériumokat, és különítse el a hosszú következtetési sorozatot a kész eredménytől. A gyártó érdemi korlátként azonosítja a túlgondolást, különösen versenymatematikai feladatoknál.
Az eszközdefiníciók különös figyelmet igényelnek. A Poolside szerint az S 2.1 kezdetben egy ismerős eszközfelületre támaszkodhat ahelyett, hogy pontosan követne egy hasonló, de eltérő sémát. Hibás vagy helytelenül escape-elt JSON-t is előállíthat, ha egy eszközargumentum beágyazott tömböt tartalmaz. Adja meg a tényleges argumentumdefiníciókat, ellenőrizze a javasolt hívásokat, és eltérés esetén pontos hibát adjon vissza. A gyártó a kontextuson belüli visszajelzésen keresztüli javítást egyes ilyen eltérések megoldási módjaként írja le. Tartsa elérhetően az eredményül kapott eszközmegfigyelést a következő döntéshez.
A gyártó külön BF16- és kvantált változatokat, valamint opcionális DFlash segédmodellt tesz közzé. Ezek külön anyagok és kiszolgálási receptek, ezért egy kvantált ellenőrzőpont memóriahasználata vagy spekulatív dekódolási teljesítménye nem feltételezhető az általános modellnévből. Szokásos szöveges munkához a forráskódot, parancskimenetet és dokumentumrészleteket olvasható szövegként készítse elő. A kiadás megjegyzi, hogy a modell nem rendelkezik képi értelmezési képességgel; egy képernyőképhez szöveges megfigyelés vagy megfelelő külső ellenőrzési lépés szükséges, mielőtt az elemzés alapjául szolgálhatna.
Kérjen olyan végső eredményt, amely azonosítja a módosított anyagot, a fontos döntéseket, a megfigyelt ellenőrzéseket és minden megoldatlan feltételt. Kódellenőrzésnél kapcsolja a megállapításokat a releváns forráshoz, és mutassa meg, hogy az egyes problémák miért befolyásolják a viselkedést. Javításnál különítse el a javasolt javítást attól, amelynek viselkedését ténylegesen ellenőrizték. A következtetés és eszközelőzmények megőrzése segíti a modellt a feladat végigvitelében, míg a végső anyag és a rögzített eredmények igazolják az elvégzett munkát.
", "aboutText": "A Poolside Laguna S 2.1 szakértői keverékarchitektúrájú nyelvi modell ügynöki kódoláshoz és hosszú távú munkához. Összesen 118 milliárd paramétert és tokenenként körülbelül 8 milliárd aktív paramétert tartalmaz, így a gyártó sorozatában a kisebb Laguna XS 2.1 és a nagyobb Laguna M.1 között helyezkedik el. A modell szöveget dolgoz fel, és szöveget, kódot, következtetést és eszközhívási kéréseket állít elő egy eszközökhöz kapcsolt alkalmazásban.\n\nArchitektúrája 48 rétegen át kombinálja a globális és a csúszóablakos figyelmet: 12 globális és 36 csúszóablakos réteggel. Az 512 tokenes csúszóablak e rétegek helyi figyelmét írja le, míg a dokumentált modellkontextus 1 048 576 tokenes. Ezek különböző mértékek. A nagyobb kontextus olyan feladatokat támogat, amelyek sok lépésen át forrásfájlokat, megfigyeléseket és döntéseket halmoznak fel. Tartsa együtt a munkacélt és az érdemi bizonyítékokat, és az alkalmazott konfiguráción belül hagyjon helyet a további következtetésnek és a végső válasznak.\n\nA modell fő célja olyan szoftveres munka, amely kitartást, ellenőrzést és átdolgozást igényel. Kódtári feladathoz adja meg az elvárt viselkedést, szövegként a releváns fájlokat, a függőségi információkat és a tényleges sikertelen kimenetet. Kérjen célzott eredményt: „Kövesse végig e regresszió okát, javasoljon a dokumentált interfészt megőrző módosítást, és azonosítsa azokat az ellenőrzéseket, amelyek megkülönböztetnék a javítást egy független változtatástól.” Eszközökhöz kapcsolt munkafolyamatban adja meg a modellnek minden végrehajtott ellenőrzés eredményét, mielőtt kiválasztja a következő lépést.\n\nOptimalizáláshoz adjon meg méréseket és egyértelmű célt. Például: „E profil és memóriafoglalási jelentés alapján azonosítson egy szűk keresztmetszetet. Javasoljon egy módosítást, magyarázza el a várható hatását, és ugyanazon mérés megismétlése után hasonlítsa össze az alapállapottal.” Ez ellenőrizhetővé teszi a teljesítményállítást. A Poolside kiadása fontos viselkedésként tárgyalja az ellenőrzést és a folyamatos előrehaladást, de egy meggyőző magyarázat önmagában nem igazolja, hogy egy módosítás gyorsabb, helyes vagy teljes. Őrizze meg a módosítás megtartását vagy elvetését alátámasztó megfigyeléseket.\n\nA Laguna S 2.1 támogatja az eszközhívások előtti és közötti váltakozó gondolkodást. A gyártó a korábbi asszisztensüzenetek következtetési tartalmának megőrzését ajánlja a későbbi előzményekben; e blokkok elhagyása a következtetés leállását okozhatja a folytató lépésekben. Tartsa együtt az asszisztens válaszát, az eszközhívás adatait és a hozzá tartozó eszközeredményt. Ez segít a hosszabb feladatot a tényleges állapotából folytatni a már kipróbált lépések ismételt rekonstruálása helyett.\n\nA dokumentált gondolkodási lehetőségek az off és a max, a gyártó által leírt beállításban alapértelmezetten engedélyezett max értékkel. Ebben a módban a modell határozza meg a gondolkodási keretét; a kiadás nem kínál külön low, medium és high erőfeszítési vezérlőket. Ügynöki kódoláshoz a Poolside a gondolkodás engedélyezését és a lépések közötti megtartását ajánlja. Egyértelműen adja meg a végső anyagot és a befejezési kritériumokat, és különítse el a hosszú következtetési sorozatot a kész eredménytől. A gyártó érdemi korlátként azonosítja a túlgondolást, különösen versenymatematikai feladatoknál.\n\nAz eszközdefiníciók különös figyelmet igényelnek. A Poolside szerint az S 2.1 kezdetben egy ismerős eszközfelületre támaszkodhat ahelyett, hogy pontosan követne egy hasonló, de eltérő sémát. Hibás vagy helytelenül escape-elt JSON-t is előállíthat, ha egy eszközargumentum beágyazott tömböt tartalmaz. Adja meg a tényleges argumentumdefiníciókat, ellenőrizze a javasolt hívásokat, és eltérés esetén pontos hibát adjon vissza. A gyártó a kontextuson belüli visszajelzésen keresztüli javítást egyes ilyen eltérések megoldási módjaként írja le. Tartsa elérhetően az eredményül kapott eszközmegfigyelést a következő döntéshez.\n\nA gyártó külön BF16- és kvantált változatokat, valamint opcionális DFlash segédmodellt tesz közzé. Ezek külön anyagok és kiszolgálási receptek, ezért egy kvantált ellenőrzőpont memóriahasználata vagy spekulatív dekódolási teljesítménye nem feltételezhető az általános modellnévből. Szokásos szöveges munkához a forráskódot, parancskimenetet és dokumentumrészleteket olvasható szövegként készítse elő. A kiadás megjegyzi, hogy a modell nem rendelkezik képi értelmezési képességgel; egy képernyőképhez szöveges megfigyelés vagy megfelelő külső ellenőrzési lépés szükséges, mielőtt az elemzés alapjául szolgálhatna.\n\nKérjen olyan végső eredményt, amely azonosítja a módosított anyagot, a fontos döntéseket, a megfigyelt ellenőrzéseket és minden megoldatlan feltételt. Kódellenőrzésnél kapcsolja a megállapításokat a releváns forráshoz, és mutassa meg, hogy az egyes problémák miért befolyásolják a viselkedést. Javításnál különítse el a javasolt javítást attól, amelynek viselkedését ténylegesen ellenőrizték. A következtetés és eszközelőzmények megőrzése segíti a modellt a feladat végigvitelében, míg a végső anyag és a rögzített eredmények igazolják az elvégzett munkát.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Propose a measured loop optimization\n\nReview this Python loop: totals = {}\nfor row in rows:\n totals[row["id"]] = sum(x["amount"] for x in rows if x["id"] == row["id"])\n It repeatedly rescans rows. Propose a single-pass replacement preserving per-ID totals. Give a duplicate-ID example and explain how to compare results and timing on the same input without claiming a speed measurement.A single-pass aggregation patch, correctness example and a baseline comparison procedure.Check repeated IDs accumulate all amounts and the proposal contains no fabricated timing improvement.poolside/laguna-s-2.1A Poolside Laguna S 2.1 szöveges modell ügynöki kódoláshoz és hosszú távú munkához, összesen 118 milliárd és körülbelül 8 milliárd aktív paraméterrel. Az 1 048 576 tokenes modellkontextust natív eszközhasználattal és közbeiktatott következtetéssel ötvözi; a korábbi gondolkodás megőrzése segíti az eszközhívások közötti hatékony folytatást.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Poolside Laguna S 2.1 szakértői keverékarchitektúrájú nyelvi modell ügynöki kódoláshoz és hosszú távú munkához. Összesen 118 milliárd paramétert és tokenenként körülbelül 8 milliárd aktív paramétert tartalmaz, így a gyártó sorozatában a kisebb Laguna XS 2.1 és a nagyobb Laguna M.1 között helyezkedik el. A modell szöveget dolgoz fel, és szöveget, kódot, következtetést és eszközhívási kéréseket állít elő egy eszközökhöz kapcsolt alkalmazásban.
Architektúrája 48 rétegen át kombinálja a globális és a csúszóablakos figyelmet: 12 globális és 36 csúszóablakos réteggel. Az 512 tokenes csúszóablak e rétegek helyi figyelmét írja le, míg a dokumentált modellkontextus 1 048 576 tokenes. Ezek különböző mértékek. A nagyobb kontextus olyan feladatokat támogat, amelyek sok lépésen át forrásfájlokat, megfigyeléseket és döntéseket halmoznak fel. Tartsa együtt a munkacélt és az érdemi bizonyítékokat, és az alkalmazott konfiguráción belül hagyjon helyet a további következtetésnek és a végső válasznak.
A modell fő célja olyan szoftveres munka, amely kitartást, ellenőrzést és átdolgozást igényel. Kódtári feladathoz adja meg az elvárt viselkedést, szövegként a releváns fájlokat, a függőségi információkat és a tényleges sikertelen kimenetet. Kérjen célzott eredményt: „Kövesse végig e regresszió okát, javasoljon a dokumentált interfészt megőrző módosítást, és azonosítsa azokat az ellenőrzéseket, amelyek megkülönböztetnék a javítást egy független változtatástól.” Eszközökhöz kapcsolt munkafolyamatban adja meg a modellnek minden végrehajtott ellenőrzés eredményét, mielőtt kiválasztja a következő lépést.
Optimalizáláshoz adjon meg méréseket és egyértelmű célt. Például: „E profil és memóriafoglalási jelentés alapján azonosítson egy szűk keresztmetszetet. Javasoljon egy módosítást, magyarázza el a várható hatását, és ugyanazon mérés megismétlése után hasonlítsa össze az alapállapottal.” Ez ellenőrizhetővé teszi a teljesítményállítást. A Poolside kiadása fontos viselkedésként tárgyalja az ellenőrzést és a folyamatos előrehaladást, de egy meggyőző magyarázat önmagában nem igazolja, hogy egy módosítás gyorsabb, helyes vagy teljes. Őrizze meg a módosítás megtartását vagy elvetését alátámasztó megfigyeléseket.
A Laguna S 2.1 támogatja az eszközhívások előtti és közötti váltakozó gondolkodást. A gyártó a korábbi asszisztensüzenetek következtetési tartalmának megőrzését ajánlja a későbbi előzményekben; e blokkok elhagyása a következtetés leállását okozhatja a folytató lépésekben. Tartsa együtt az asszisztens válaszát, az eszközhívás adatait és a hozzá tartozó eszközeredményt. Ez segít a hosszabb feladatot a tényleges állapotából folytatni a már kipróbált lépések ismételt rekonstruálása helyett.
A dokumentált gondolkodási lehetőségek az off és a max, a gyártó által leírt beállításban alapértelmezetten engedélyezett max értékkel. Ebben a módban a modell határozza meg a gondolkodási keretét; a kiadás nem kínál külön low, medium és high erőfeszítési vezérlőket. Ügynöki kódoláshoz a Poolside a gondolkodás engedélyezését és a lépések közötti megtartását ajánlja. Egyértelműen adja meg a végső anyagot és a befejezési kritériumokat, és különítse el a hosszú következtetési sorozatot a kész eredménytől. A gyártó érdemi korlátként azonosítja a túlgondolást, különösen versenymatematikai feladatoknál.
Az eszközdefiníciók különös figyelmet igényelnek. A Poolside szerint az S 2.1 kezdetben egy ismerős eszközfelületre támaszkodhat ahelyett, hogy pontosan követne egy hasonló, de eltérő sémát. Hibás vagy helytelenül escape-elt JSON-t is előállíthat, ha egy eszközargumentum beágyazott tömböt tartalmaz. Adja meg a tényleges argumentumdefiníciókat, ellenőrizze a javasolt hívásokat, és eltérés esetén pontos hibát adjon vissza. A gyártó a kontextuson belüli visszajelzésen keresztüli javítást egyes ilyen eltérések megoldási módjaként írja le. Tartsa elérhetően az eredményül kapott eszközmegfigyelést a következő döntéshez.
A gyártó külön BF16- és kvantált változatokat, valamint opcionális DFlash segédmodellt tesz közzé. Ezek külön anyagok és kiszolgálási receptek, ezért egy kvantált ellenőrzőpont memóriahasználata vagy spekulatív dekódolási teljesítménye nem feltételezhető az általános modellnévből. Szokásos szöveges munkához a forráskódot, parancskimenetet és dokumentumrészleteket olvasható szövegként készítse elő. A kiadás megjegyzi, hogy a modell nem rendelkezik képi értelmezési képességgel; egy képernyőképhez szöveges megfigyelés vagy megfelelő külső ellenőrzési lépés szükséges, mielőtt az elemzés alapjául szolgálhatna.
Kérjen olyan végső eredményt, amely azonosítja a módosított anyagot, a fontos döntéseket, a megfigyelt ellenőrzéseket és minden megoldatlan feltételt. Kódellenőrzésnél kapcsolja a megállapításokat a releváns forráshoz, és mutassa meg, hogy az egyes problémák miért befolyásolják a viselkedést. Javításnál különítse el a javasolt javítást attól, amelynek viselkedését ténylegesen ellenőrizték. A következtetés és eszközelőzmények megőrzése segíti a modellt a feladat végigvitelében, míg a végső anyag és a rögzített eredmények igazolják az elvégzett munkát.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok poolside/laguna-s-2.1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-s-2.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='poolside/laguna-s-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='poolside/laguna-s-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra poolside/laguna-s-2.1
Használja a fent látható metódusútvonalakat.
poolside/laguna-s-2.1A Poolside Laguna S 2.1 szöveges modell ügynöki kódoláshoz és hosszú távú munkához, összesen 118 milliárd és körülbelül 8 milliárd aktív paraméterrel. Az 1 048 576 tokenes modellkontextust natív eszközhasználattal és közbeiktatott következtetéssel ötvözi; a korábbi gondolkodás megőrzése segíti az eszközhívások közötti hatékony folytatást.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Poolside Laguna S 2.1 szakértői keverékarchitektúrájú nyelvi modell ügynöki kódoláshoz és hosszú távú munkához. Összesen 118 milliárd paramétert és tokenenként körülbelül 8 milliárd aktív paramétert tartalmaz, így a gyártó sorozatában a kisebb Laguna XS 2.1 és a nagyobb Laguna M.1 között helyezkedik el. A modell szöveget dolgoz fel, és szöveget, kódot, következtetést és eszközhívási kéréseket állít elő egy eszközökhöz kapcsolt alkalmazásban.
Architektúrája 48 rétegen át kombinálja a globális és a csúszóablakos figyelmet: 12 globális és 36 csúszóablakos réteggel. Az 512 tokenes csúszóablak e rétegek helyi figyelmét írja le, míg a dokumentált modellkontextus 1 048 576 tokenes. Ezek különböző mértékek. A nagyobb kontextus olyan feladatokat támogat, amelyek sok lépésen át forrásfájlokat, megfigyeléseket és döntéseket halmoznak fel. Tartsa együtt a munkacélt és az érdemi bizonyítékokat, és az alkalmazott konfiguráción belül hagyjon helyet a további következtetésnek és a végső válasznak.
A modell fő célja olyan szoftveres munka, amely kitartást, ellenőrzést és átdolgozást igényel. Kódtári feladathoz adja meg az elvárt viselkedést, szövegként a releváns fájlokat, a függőségi információkat és a tényleges sikertelen kimenetet. Kérjen célzott eredményt: „Kövesse végig e regresszió okát, javasoljon a dokumentált interfészt megőrző módosítást, és azonosítsa azokat az ellenőrzéseket, amelyek megkülönböztetnék a javítást egy független változtatástól.” Eszközökhöz kapcsolt munkafolyamatban adja meg a modellnek minden végrehajtott ellenőrzés eredményét, mielőtt kiválasztja a következő lépést.
Optimalizáláshoz adjon meg méréseket és egyértelmű célt. Például: „E profil és memóriafoglalási jelentés alapján azonosítson egy szűk keresztmetszetet. Javasoljon egy módosítást, magyarázza el a várható hatását, és ugyanazon mérés megismétlése után hasonlítsa össze az alapállapottal.” Ez ellenőrizhetővé teszi a teljesítményállítást. A Poolside kiadása fontos viselkedésként tárgyalja az ellenőrzést és a folyamatos előrehaladást, de egy meggyőző magyarázat önmagában nem igazolja, hogy egy módosítás gyorsabb, helyes vagy teljes. Őrizze meg a módosítás megtartását vagy elvetését alátámasztó megfigyeléseket.
A Laguna S 2.1 támogatja az eszközhívások előtti és közötti váltakozó gondolkodást. A gyártó a korábbi asszisztensüzenetek következtetési tartalmának megőrzését ajánlja a későbbi előzményekben; e blokkok elhagyása a következtetés leállását okozhatja a folytató lépésekben. Tartsa együtt az asszisztens válaszát, az eszközhívás adatait és a hozzá tartozó eszközeredményt. Ez segít a hosszabb feladatot a tényleges állapotából folytatni a már kipróbált lépések ismételt rekonstruálása helyett.
A dokumentált gondolkodási lehetőségek az off és a max, a gyártó által leírt beállításban alapértelmezetten engedélyezett max értékkel. Ebben a módban a modell határozza meg a gondolkodási keretét; a kiadás nem kínál külön low, medium és high erőfeszítési vezérlőket. Ügynöki kódoláshoz a Poolside a gondolkodás engedélyezését és a lépések közötti megtartását ajánlja. Egyértelműen adja meg a végső anyagot és a befejezési kritériumokat, és különítse el a hosszú következtetési sorozatot a kész eredménytől. A gyártó érdemi korlátként azonosítja a túlgondolást, különösen versenymatematikai feladatoknál.
Az eszközdefiníciók különös figyelmet igényelnek. A Poolside szerint az S 2.1 kezdetben egy ismerős eszközfelületre támaszkodhat ahelyett, hogy pontosan követne egy hasonló, de eltérő sémát. Hibás vagy helytelenül escape-elt JSON-t is előállíthat, ha egy eszközargumentum beágyazott tömböt tartalmaz. Adja meg a tényleges argumentumdefiníciókat, ellenőrizze a javasolt hívásokat, és eltérés esetén pontos hibát adjon vissza. A gyártó a kontextuson belüli visszajelzésen keresztüli javítást egyes ilyen eltérések megoldási módjaként írja le. Tartsa elérhetően az eredményül kapott eszközmegfigyelést a következő döntéshez.
A gyártó külön BF16- és kvantált változatokat, valamint opcionális DFlash segédmodellt tesz közzé. Ezek külön anyagok és kiszolgálási receptek, ezért egy kvantált ellenőrzőpont memóriahasználata vagy spekulatív dekódolási teljesítménye nem feltételezhető az általános modellnévből. Szokásos szöveges munkához a forráskódot, parancskimenetet és dokumentumrészleteket olvasható szövegként készítse elő. A kiadás megjegyzi, hogy a modell nem rendelkezik képi értelmezési képességgel; egy képernyőképhez szöveges megfigyelés vagy megfelelő külső ellenőrzési lépés szükséges, mielőtt az elemzés alapjául szolgálhatna.
Kérjen olyan végső eredményt, amely azonosítja a módosított anyagot, a fontos döntéseket, a megfigyelt ellenőrzéseket és minden megoldatlan feltételt. Kódellenőrzésnél kapcsolja a megállapításokat a releváns forráshoz, és mutassa meg, hogy az egyes problémák miért befolyásolják a viselkedést. Javításnál különítse el a javasolt javítást attól, amelynek viselkedését ténylegesen ellenőrizték. A következtetés és eszközelőzmények megőrzése segíti a modellt a feladat végigvitelében, míg a végső anyag és a rögzített eredmények igazolják az elvégzett munkát.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok poolside/laguna-s-2.1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0004 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "poolside/laguna-s-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'poolside/laguna-s-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'poolside/laguna-s-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra poolside/laguna-s-2.1
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Propose a measured loop optimization\n\nReview this Python loop: totals = {}\nfor row in rows:\n totals[row["id"]] = sum(x["amount"] for x in rows if x["id"] == row["id"])\n It repeatedly rescans rows. Propose a single-pass replacement preserving per-ID totals. Give a duplicate-ID example and explain how to compare results and timing on the same input without claiming a speed measurement.A single-pass aggregation patch, correctness example and a baseline comparison procedure.Check repeated IDs accumulate all amounts and the proposal contains no fabricated timing improvement.