Poolside Laguna XS 2.1 adalah model bahasa mixture-of-experts untuk pemrograman berbasis agen dan pekerjaan jangka panjang, yang diposisikan sebagai model penerapan lokal yang lebih kecil dalam seri Laguna. Model ini memiliki 33B parameter total dan 3B aktif per token. Ini merupakan pembaruan dari Laguna XS.2, dengan mempertahankan arsitektur model tersebut sekaligus meningkatkan hasil rekayasa perangkat lunak dan tugas terminal yang dilaporkan pembuatnya. Model ini menerima teks dan menghasilkan teks, kode, penalaran, serta permintaan pemanggilan alat.
Rancangan 40 lapisannya menggabungkan 10 lapisan global attention dan 30 lapisan sliding-window, dengan sigmoid gating dan jendela geser 512 token. Jendela attention lokal tersebut terpisah dari konteks model 262,144 token. Poolside juga menjelaskan rancangan FP8 KV-cache untuk mengurangi memori per token. Fitur-fitur ini membantu menjelaskan fokus penerapan lokal model, tetapi kebutuhan memori persis tetap bergantung pada checkpoint, kuantisasi, konteks kerja, dan konfigurasi penyajian.
Untuk tugas pemrograman, berikan berkas sumber yang relevan sebagai teks, perilaku yang diharapkan, dan galat atau keluaran gagal yang sebenarnya. Permintaan yang berguna adalah: “Perbaiki penanganan delimiter yang di-escape pada parser ini sambil mempertahankan format masukan yang diterbitkan. Tampilkan perubahan yang diusulkan, jelaskan kasus yang terdampak, dan identifikasi contoh yang dapat mengungkap regresi.” Tetapkan hasil akhir yang konkret dan kondisi penyelesaian agar model dapat bekerja menuju hasil, bukan sekadar mendiskusikan masalah.
Untuk tugas bergaya terminal, berikan lingkungan saat ini, keluaran perintah yang relevan, dan batasan pekerjaan. Dalam aplikasi yang terhubung dengan alat, model mengusulkan pemanggilan fungsi, aplikasi menjalankannya, dan hasilnya dikembalikan untuk keputusan berikutnya. Mintalah model menjelaskan apa yang diungkapkan kegagalan sebelum mengusulkan perintah lain. Misalnya, berikan manifes dependensi dan keluaran instalasi yang gagal, lalu mintalah koreksi terkecil yang berlandaskan sumber serta hasil yang diharapkan dari pemeriksaan berikutnya. Pertahankan langkah sebelumnya yang berhasil dan masalah yang belum terselesaikan dalam riwayat.
Laguna XS 2.1 dirancang untuk proses berpikir berselang sebelum dan di antara pemanggilan alat. Produsen merekomendasikan mempertahankan konten penalaran dari pesan asisten sebelumnya saat menyusun ulang permintaan berikutnya. Menghapus konten tersebut dapat menghalangi penalaran lanjutan dalam langkah tindak lanjut. Simpan respons asisten, informasi pemanggilan alatnya, dan hasil alat yang cocok bersama, dengan tujuan yang sedang dikerjakan tetap terlihat. Ini sangat berguna ketika beberapa pengamatan berkontribusi pada perbaikan dan langkah berikutnya bergantung pada keputusan yang dibuat sebelumnya.
Proses berpikir dapat diaktifkan atau dinonaktifkan melalui templat chat. Poolside merekomendasikan mengaktifkannya untuk pemrograman berbasis agen dan mempertahankannya antargiliran. Permintaan jawaban langsung mungkin sesuai untuk transformasi atau penjelasan kecil, sementara perbaikan dengan beberapa kondisi yang saling bergantung terbantu oleh siklus penalaran dan pengamatan yang berkelanjutan. Nyatakan format keluaran akhir dan sisakan ruang untuk jawaban akhir. Pengaturan evaluasi produsen adalah pilihan resep, bukan jaminan universal tentang banyaknya penalaran atau panjang jawaban maksimum.
Untuk masukan sumber yang panjang, susun berkas dan dokumentasi dengan batas yang jelas dan nama yang stabil. Mintalah hubungan tertentu untuk ditelusuri, seperti pemanggil mana yang bergantung pada antarmuka yang berubah, kondisi apa yang membedakan dua implementasi, atau mengapa hasil pengujian bertentangan dengan diagnosis yang diusulkan. Simpan keputusan penting dan pemeriksaan sebenarnya dalam catatan tugas yang ringkas, dan hapus riwayat yang tidak relevan. Batas konteks mencakup materi kerja dan kelanjutan yang dihasilkan; respons akhir sebesar seluruh konteks bukan kapasitas terpisah yang dijanjikan.
Poolside menerbitkan BF16 dan varian FP8, NVFP4, INT4, serta GGUF yang terpisah, beserta artefak model draf DFlash. Ini adalah pilihan penerapan yang berbeda. Jumlah parameter aktif yang kecil tidak berarti bobot model lengkap hanya memakai memori sebesar itu, dan model draf merupakan pendamping akselerasi, bukan model pemrograman itu sendiri. Pertahankan checkpoint persis saat membandingkan hasil lokal, dan siapkan isi kode atau dokumen sebagai teks untuk model text-to-text ini.
Pembuatnya mendokumentasikan masalah parser alat pada build penyajian yang lebih lama yang dapat menghilangkan pemanggilan tertentu dan menampilkan markup mentahnya sebagai teks respons biasa. Ini menunjukkan mengapa alur kerja yang terhubung dengan alat perlu membedakan permintaan yang dimaksudkan model dari pemanggilan fungsi yang berhasil diurai. Periksa nama dan argumen yang diurai, validasi terhadap skema sebenarnya, dan pertahankan hasil eksekusi. Laporan akhir harus mengidentifikasi artefak yang direvisi, pemeriksaan yang diamati, dan asumsi yang tersisa. Usulan patch atau perintah menjadi hasil yang selesai hanya ketika perilakunya ditetapkan oleh catatan tersebut.
", "aboutText": "Poolside Laguna XS 2.1 adalah model bahasa mixture-of-experts untuk pemrograman berbasis agen dan pekerjaan jangka panjang, yang diposisikan sebagai model penerapan lokal yang lebih kecil dalam seri Laguna. Model ini memiliki 33B parameter total dan 3B aktif per token. Ini merupakan pembaruan dari Laguna XS.2, dengan mempertahankan arsitektur model tersebut sekaligus meningkatkan hasil rekayasa perangkat lunak dan tugas terminal yang dilaporkan pembuatnya. Model ini menerima teks dan menghasilkan teks, kode, penalaran, serta permintaan pemanggilan alat.\n\nRancangan 40 lapisannya menggabungkan 10 lapisan global attention dan 30 lapisan sliding-window, dengan sigmoid gating dan jendela geser 512 token. Jendela attention lokal tersebut terpisah dari konteks model 262,144 token. Poolside juga menjelaskan rancangan FP8 KV-cache untuk mengurangi memori per token. Fitur-fitur ini membantu menjelaskan fokus penerapan lokal model, tetapi kebutuhan memori persis tetap bergantung pada checkpoint, kuantisasi, konteks kerja, dan konfigurasi penyajian.\n\nUntuk tugas pemrograman, berikan berkas sumber yang relevan sebagai teks, perilaku yang diharapkan, dan galat atau keluaran gagal yang sebenarnya. Permintaan yang berguna adalah: “Perbaiki penanganan delimiter yang di-escape pada parser ini sambil mempertahankan format masukan yang diterbitkan. Tampilkan perubahan yang diusulkan, jelaskan kasus yang terdampak, dan identifikasi contoh yang dapat mengungkap regresi.” Tetapkan hasil akhir yang konkret dan kondisi penyelesaian agar model dapat bekerja menuju hasil, bukan sekadar mendiskusikan masalah.\n\nUntuk tugas bergaya terminal, berikan lingkungan saat ini, keluaran perintah yang relevan, dan batasan pekerjaan. Dalam aplikasi yang terhubung dengan alat, model mengusulkan pemanggilan fungsi, aplikasi menjalankannya, dan hasilnya dikembalikan untuk keputusan berikutnya. Mintalah model menjelaskan apa yang diungkapkan kegagalan sebelum mengusulkan perintah lain. Misalnya, berikan manifes dependensi dan keluaran instalasi yang gagal, lalu mintalah koreksi terkecil yang berlandaskan sumber serta hasil yang diharapkan dari pemeriksaan berikutnya. Pertahankan langkah sebelumnya yang berhasil dan masalah yang belum terselesaikan dalam riwayat.\n\nLaguna XS 2.1 dirancang untuk proses berpikir berselang sebelum dan di antara pemanggilan alat. Produsen merekomendasikan mempertahankan konten penalaran dari pesan asisten sebelumnya saat menyusun ulang permintaan berikutnya. Menghapus konten tersebut dapat menghalangi penalaran lanjutan dalam langkah tindak lanjut. Simpan respons asisten, informasi pemanggilan alatnya, dan hasil alat yang cocok bersama, dengan tujuan yang sedang dikerjakan tetap terlihat. Ini sangat berguna ketika beberapa pengamatan berkontribusi pada perbaikan dan langkah berikutnya bergantung pada keputusan yang dibuat sebelumnya.\n\nProses berpikir dapat diaktifkan atau dinonaktifkan melalui templat chat. Poolside merekomendasikan mengaktifkannya untuk pemrograman berbasis agen dan mempertahankannya antargiliran. Permintaan jawaban langsung mungkin sesuai untuk transformasi atau penjelasan kecil, sementara perbaikan dengan beberapa kondisi yang saling bergantung terbantu oleh siklus penalaran dan pengamatan yang berkelanjutan. Nyatakan format keluaran akhir dan sisakan ruang untuk jawaban akhir. Pengaturan evaluasi produsen adalah pilihan resep, bukan jaminan universal tentang banyaknya penalaran atau panjang jawaban maksimum.\n\nUntuk masukan sumber yang panjang, susun berkas dan dokumentasi dengan batas yang jelas dan nama yang stabil. Mintalah hubungan tertentu untuk ditelusuri, seperti pemanggil mana yang bergantung pada antarmuka yang berubah, kondisi apa yang membedakan dua implementasi, atau mengapa hasil pengujian bertentangan dengan diagnosis yang diusulkan. Simpan keputusan penting dan pemeriksaan sebenarnya dalam catatan tugas yang ringkas, dan hapus riwayat yang tidak relevan. Batas konteks mencakup materi kerja dan kelanjutan yang dihasilkan; respons akhir sebesar seluruh konteks bukan kapasitas terpisah yang dijanjikan.\n\nPoolside menerbitkan BF16 dan varian FP8, NVFP4, INT4, serta GGUF yang terpisah, beserta artefak model draf DFlash. Ini adalah pilihan penerapan yang berbeda. Jumlah parameter aktif yang kecil tidak berarti bobot model lengkap hanya memakai memori sebesar itu, dan model draf merupakan pendamping akselerasi, bukan model pemrograman itu sendiri. Pertahankan checkpoint persis saat membandingkan hasil lokal, dan siapkan isi kode atau dokumen sebagai teks untuk model text-to-text ini.\n\nPembuatnya mendokumentasikan masalah parser alat pada build penyajian yang lebih lama yang dapat menghilangkan pemanggilan tertentu dan menampilkan markup mentahnya sebagai teks respons biasa. Ini menunjukkan mengapa alur kerja yang terhubung dengan alat perlu membedakan permintaan yang dimaksudkan model dari pemanggilan fungsi yang berhasil diurai. Periksa nama dan argumen yang diurai, validasi terhadap skema sebenarnya, dan pertahankan hasil eksekusi. Laporan akhir harus mengidentifikasi artefak yang direvisi, pemeriksaan yang diamati, dan asumsi yang tersisa. Usulan patch atau perintah menjadi hasil yang selesai hanya ketika perilakunya ditetapkan oleh catatan tersebut.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "217ec4d3744a0785fc34888ac2a2eb7234b8267046c0045624c3ec04162239c3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 adalah model teks dengan 33B parameter total dan 3B aktif untuk pemrograman berbasis agen dan pekerjaan jangka panjang. Model ini memiliki konteks 262,144 token dan penalaran native di antara pemanggilan alat. Rancangan MoE yang lebih kecil dan rilis terkuantisasi yang terpisah mendukung penerapan lokal dengan kebutuhan sumber daya yang bergantung pada konfigurasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Poolside Laguna XS 2.1 adalah model bahasa mixture-of-experts untuk pemrograman berbasis agen dan pekerjaan jangka panjang, yang diposisikan sebagai model penerapan lokal yang lebih kecil dalam seri Laguna. Model ini memiliki 33B parameter total dan 3B aktif per token. Ini merupakan pembaruan dari Laguna XS.2, dengan mempertahankan arsitektur model tersebut sekaligus meningkatkan hasil rekayasa perangkat lunak dan tugas terminal yang dilaporkan pembuatnya. Model ini menerima teks dan menghasilkan teks, kode, penalaran, serta permintaan pemanggilan alat.
Rancangan 40 lapisannya menggabungkan 10 lapisan global attention dan 30 lapisan sliding-window, dengan sigmoid gating dan jendela geser 512 token. Jendela attention lokal tersebut terpisah dari konteks model 262,144 token. Poolside juga menjelaskan rancangan FP8 KV-cache untuk mengurangi memori per token. Fitur-fitur ini membantu menjelaskan fokus penerapan lokal model, tetapi kebutuhan memori persis tetap bergantung pada checkpoint, kuantisasi, konteks kerja, dan konfigurasi penyajian.
Untuk tugas pemrograman, berikan berkas sumber yang relevan sebagai teks, perilaku yang diharapkan, dan galat atau keluaran gagal yang sebenarnya. Permintaan yang berguna adalah: “Perbaiki penanganan delimiter yang di-escape pada parser ini sambil mempertahankan format masukan yang diterbitkan. Tampilkan perubahan yang diusulkan, jelaskan kasus yang terdampak, dan identifikasi contoh yang dapat mengungkap regresi.” Tetapkan hasil akhir yang konkret dan kondisi penyelesaian agar model dapat bekerja menuju hasil, bukan sekadar mendiskusikan masalah.
Untuk tugas bergaya terminal, berikan lingkungan saat ini, keluaran perintah yang relevan, dan batasan pekerjaan. Dalam aplikasi yang terhubung dengan alat, model mengusulkan pemanggilan fungsi, aplikasi menjalankannya, dan hasilnya dikembalikan untuk keputusan berikutnya. Mintalah model menjelaskan apa yang diungkapkan kegagalan sebelum mengusulkan perintah lain. Misalnya, berikan manifes dependensi dan keluaran instalasi yang gagal, lalu mintalah koreksi terkecil yang berlandaskan sumber serta hasil yang diharapkan dari pemeriksaan berikutnya. Pertahankan langkah sebelumnya yang berhasil dan masalah yang belum terselesaikan dalam riwayat.
Laguna XS 2.1 dirancang untuk proses berpikir berselang sebelum dan di antara pemanggilan alat. Produsen merekomendasikan mempertahankan konten penalaran dari pesan asisten sebelumnya saat menyusun ulang permintaan berikutnya. Menghapus konten tersebut dapat menghalangi penalaran lanjutan dalam langkah tindak lanjut. Simpan respons asisten, informasi pemanggilan alatnya, dan hasil alat yang cocok bersama, dengan tujuan yang sedang dikerjakan tetap terlihat. Ini sangat berguna ketika beberapa pengamatan berkontribusi pada perbaikan dan langkah berikutnya bergantung pada keputusan yang dibuat sebelumnya.
Proses berpikir dapat diaktifkan atau dinonaktifkan melalui templat chat. Poolside merekomendasikan mengaktifkannya untuk pemrograman berbasis agen dan mempertahankannya antargiliran. Permintaan jawaban langsung mungkin sesuai untuk transformasi atau penjelasan kecil, sementara perbaikan dengan beberapa kondisi yang saling bergantung terbantu oleh siklus penalaran dan pengamatan yang berkelanjutan. Nyatakan format keluaran akhir dan sisakan ruang untuk jawaban akhir. Pengaturan evaluasi produsen adalah pilihan resep, bukan jaminan universal tentang banyaknya penalaran atau panjang jawaban maksimum.
Untuk masukan sumber yang panjang, susun berkas dan dokumentasi dengan batas yang jelas dan nama yang stabil. Mintalah hubungan tertentu untuk ditelusuri, seperti pemanggil mana yang bergantung pada antarmuka yang berubah, kondisi apa yang membedakan dua implementasi, atau mengapa hasil pengujian bertentangan dengan diagnosis yang diusulkan. Simpan keputusan penting dan pemeriksaan sebenarnya dalam catatan tugas yang ringkas, dan hapus riwayat yang tidak relevan. Batas konteks mencakup materi kerja dan kelanjutan yang dihasilkan; respons akhir sebesar seluruh konteks bukan kapasitas terpisah yang dijanjikan.
Poolside menerbitkan BF16 dan varian FP8, NVFP4, INT4, serta GGUF yang terpisah, beserta artefak model draf DFlash. Ini adalah pilihan penerapan yang berbeda. Jumlah parameter aktif yang kecil tidak berarti bobot model lengkap hanya memakai memori sebesar itu, dan model draf merupakan pendamping akselerasi, bukan model pemrograman itu sendiri. Pertahankan checkpoint persis saat membandingkan hasil lokal, dan siapkan isi kode atau dokumen sebagai teks untuk model text-to-text ini.
Pembuatnya mendokumentasikan masalah parser alat pada build penyajian yang lebih lama yang dapat menghilangkan pemanggilan tertentu dan menampilkan markup mentahnya sebagai teks respons biasa. Ini menunjukkan mengapa alur kerja yang terhubung dengan alat perlu membedakan permintaan yang dimaksudkan model dari pemanggilan fungsi yang berhasil diurai. Periksa nama dan argumen yang diurai, validasi terhadap skema sebenarnya, dan pertahankan hasil eksekusi. Laporan akhir harus mengidentifikasi artefak yang direvisi, pemeriksaan yang diamati, dan asumsi yang tersisa. Usulan patch atau perintah menjadi hasil yang selesai hanya ketika perilakunya ditetapkan oleh catatan tersebut.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan poolside/laguna-xs-2.1:free | Bawaan— |
Kolommessages | Jenisarray | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan false | Bawaanfalse |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 32.768 | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 32.768 | Bawaan— |
Kolomn | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 128 | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomseed | Jenisinteger | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomstop | Jenis | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomfrequency_penalty | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolompresence_penalty | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomuser | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional | Kontrakstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Kontraktext |
Parameterconditions | KontrakUse 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. |
Siklus hidup: synchronous_json
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0 / 1K token Keluaran · Token keluaran $0 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
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
Gunakan jalur metode yang ditampilkan di atas.
poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 adalah model teks dengan 33B parameter total dan 3B aktif untuk pemrograman berbasis agen dan pekerjaan jangka panjang. Model ini memiliki konteks 262,144 token dan penalaran native di antara pemanggilan alat. Rancangan MoE yang lebih kecil dan rilis terkuantisasi yang terpisah mendukung penerapan lokal dengan kebutuhan sumber daya yang bergantung pada konfigurasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Poolside Laguna XS 2.1 adalah model bahasa mixture-of-experts untuk pemrograman berbasis agen dan pekerjaan jangka panjang, yang diposisikan sebagai model penerapan lokal yang lebih kecil dalam seri Laguna. Model ini memiliki 33B parameter total dan 3B aktif per token. Ini merupakan pembaruan dari Laguna XS.2, dengan mempertahankan arsitektur model tersebut sekaligus meningkatkan hasil rekayasa perangkat lunak dan tugas terminal yang dilaporkan pembuatnya. Model ini menerima teks dan menghasilkan teks, kode, penalaran, serta permintaan pemanggilan alat.
Rancangan 40 lapisannya menggabungkan 10 lapisan global attention dan 30 lapisan sliding-window, dengan sigmoid gating dan jendela geser 512 token. Jendela attention lokal tersebut terpisah dari konteks model 262,144 token. Poolside juga menjelaskan rancangan FP8 KV-cache untuk mengurangi memori per token. Fitur-fitur ini membantu menjelaskan fokus penerapan lokal model, tetapi kebutuhan memori persis tetap bergantung pada checkpoint, kuantisasi, konteks kerja, dan konfigurasi penyajian.
Untuk tugas pemrograman, berikan berkas sumber yang relevan sebagai teks, perilaku yang diharapkan, dan galat atau keluaran gagal yang sebenarnya. Permintaan yang berguna adalah: “Perbaiki penanganan delimiter yang di-escape pada parser ini sambil mempertahankan format masukan yang diterbitkan. Tampilkan perubahan yang diusulkan, jelaskan kasus yang terdampak, dan identifikasi contoh yang dapat mengungkap regresi.” Tetapkan hasil akhir yang konkret dan kondisi penyelesaian agar model dapat bekerja menuju hasil, bukan sekadar mendiskusikan masalah.
Untuk tugas bergaya terminal, berikan lingkungan saat ini, keluaran perintah yang relevan, dan batasan pekerjaan. Dalam aplikasi yang terhubung dengan alat, model mengusulkan pemanggilan fungsi, aplikasi menjalankannya, dan hasilnya dikembalikan untuk keputusan berikutnya. Mintalah model menjelaskan apa yang diungkapkan kegagalan sebelum mengusulkan perintah lain. Misalnya, berikan manifes dependensi dan keluaran instalasi yang gagal, lalu mintalah koreksi terkecil yang berlandaskan sumber serta hasil yang diharapkan dari pemeriksaan berikutnya. Pertahankan langkah sebelumnya yang berhasil dan masalah yang belum terselesaikan dalam riwayat.
Laguna XS 2.1 dirancang untuk proses berpikir berselang sebelum dan di antara pemanggilan alat. Produsen merekomendasikan mempertahankan konten penalaran dari pesan asisten sebelumnya saat menyusun ulang permintaan berikutnya. Menghapus konten tersebut dapat menghalangi penalaran lanjutan dalam langkah tindak lanjut. Simpan respons asisten, informasi pemanggilan alatnya, dan hasil alat yang cocok bersama, dengan tujuan yang sedang dikerjakan tetap terlihat. Ini sangat berguna ketika beberapa pengamatan berkontribusi pada perbaikan dan langkah berikutnya bergantung pada keputusan yang dibuat sebelumnya.
Proses berpikir dapat diaktifkan atau dinonaktifkan melalui templat chat. Poolside merekomendasikan mengaktifkannya untuk pemrograman berbasis agen dan mempertahankannya antargiliran. Permintaan jawaban langsung mungkin sesuai untuk transformasi atau penjelasan kecil, sementara perbaikan dengan beberapa kondisi yang saling bergantung terbantu oleh siklus penalaran dan pengamatan yang berkelanjutan. Nyatakan format keluaran akhir dan sisakan ruang untuk jawaban akhir. Pengaturan evaluasi produsen adalah pilihan resep, bukan jaminan universal tentang banyaknya penalaran atau panjang jawaban maksimum.
Untuk masukan sumber yang panjang, susun berkas dan dokumentasi dengan batas yang jelas dan nama yang stabil. Mintalah hubungan tertentu untuk ditelusuri, seperti pemanggil mana yang bergantung pada antarmuka yang berubah, kondisi apa yang membedakan dua implementasi, atau mengapa hasil pengujian bertentangan dengan diagnosis yang diusulkan. Simpan keputusan penting dan pemeriksaan sebenarnya dalam catatan tugas yang ringkas, dan hapus riwayat yang tidak relevan. Batas konteks mencakup materi kerja dan kelanjutan yang dihasilkan; respons akhir sebesar seluruh konteks bukan kapasitas terpisah yang dijanjikan.
Poolside menerbitkan BF16 dan varian FP8, NVFP4, INT4, serta GGUF yang terpisah, beserta artefak model draf DFlash. Ini adalah pilihan penerapan yang berbeda. Jumlah parameter aktif yang kecil tidak berarti bobot model lengkap hanya memakai memori sebesar itu, dan model draf merupakan pendamping akselerasi, bukan model pemrograman itu sendiri. Pertahankan checkpoint persis saat membandingkan hasil lokal, dan siapkan isi kode atau dokumen sebagai teks untuk model text-to-text ini.
Pembuatnya mendokumentasikan masalah parser alat pada build penyajian yang lebih lama yang dapat menghilangkan pemanggilan tertentu dan menampilkan markup mentahnya sebagai teks respons biasa. Ini menunjukkan mengapa alur kerja yang terhubung dengan alat perlu membedakan permintaan yang dimaksudkan model dari pemanggilan fungsi yang berhasil diurai. Periksa nama dan argumen yang diurai, validasi terhadap skema sebenarnya, dan pertahankan hasil eksekusi. Laporan akhir harus mengidentifikasi artefak yang direvisi, pemeriksaan yang diamati, dan asumsi yang tersisa. Usulan patch atau perintah menjadi hasil yang selesai hanya ketika perilakunya ditetapkan oleh catatan tersebut.
POST /v1/messagestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan poolside/laguna-xs-2.1:free | Bawaan— |
Kolommessages | Jenisarray | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan false | Bawaanfalse |
Kolomsystem | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Maksimum: 32.768 | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtop_k | Jenisinteger | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomstop_sequences | Jenisarray | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommetadata | Jenisobject | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional | Kontrakstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Kontraktext |
Parameterconditions | KontrakUse 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. |
Siklus hidup: synchronous_json
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0 / 1K token Keluaran · Token keluaran $0 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
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
Gunakan jalur metode yang ditampilkan di atas.