Poolside Laguna XS 2.1 è un modello linguistico mixture-of-experts per programmazione basata su agenti e attività di lungo periodo, posizionato come il modello più piccolo per l'esecuzione locale nella serie Laguna. Ha 33B parametri totali e 3B attivi per token. È un modello aggiornato rispetto a Laguna XS.2: ne mantiene l'architettura, migliorando i risultati di ingegneria del software e dei compiti da terminale riportati dal produttore. Il modello accetta testo e genera testo, codice, ragionamento e richieste di chiamata agli strumenti.
Il design a 40 livelli combina 10 livelli di attenzione globale e 30 livelli a finestra scorrevole, con gating sigmoide e una finestra scorrevole di 512 token. Questa finestra di attenzione locale è separata dal contesto di 262.144 token del modello. Poolside descrive anche un design della cache KV in FP8 per ridurre la memoria per token. Queste caratteristiche aiutano a spiegare l'orientamento del modello all'esecuzione locale, ma il requisito preciso di memoria dipende comunque dal checkpoint, dalla quantizzazione, dal contesto di lavoro e dalla configurazione di serving.
Per un'attività di programmazione, fornisci i file sorgente pertinenti come testo, il comportamento atteso e l'errore effettivo o l'output che mostra il problema. Una richiesta utile è: «Correggi la gestione dei delimitatori con escape in questo parser mantenendo il formato di input pubblicato. Mostra la modifica proposta, spiega quali casi sono interessati e identifica esempi che rivelerebbero una regressione». Mantieni un risultato concreto da consegnare e una condizione di completamento, così che il modello possa lavorare verso un risultato anziché limitarsi a discutere il problema.
Per compiti di tipo terminale, fornisci l'ambiente attuale, l'output pertinente dei comandi e i vincoli del lavoro. In un'applicazione collegata a strumenti, il modello propone una chiamata di funzione, l'applicazione la esegue e il risultato viene restituito per la decisione successiva. Chiedigli di spiegare che cosa rivela un errore prima di proporre un altro comando. Per esempio, fornisci il manifest delle dipendenze e l'output dell'installazione fallita, poi richiedi la più piccola correzione basata sulle fonti e il risultato atteso della verifica successiva. Conserva nella cronologia i passaggi precedenti riusciti e il problema irrisolto.
Laguna XS 2.1 è progettato per il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare il contenuto di ragionamento dei messaggi precedenti dell'assistente quando si ricostruisce la richiesta successiva. Rimuoverlo può impedire ulteriore ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle sue chiamate agli strumenti e il risultato corrispondente dello strumento, con l'obiettivo in corso ben visibile. È particolarmente utile quando diverse osservazioni contribuiscono a una correzione e un passaggio successivo dipende da una decisione precedente.
Il ragionamento può essere abilitato o disabilitato tramite il template chat. Poolside consiglia di abilitarlo per la programmazione basata su agenti e di conservarlo tra i turni. Una richiesta di risposta diretta può adattarsi a una piccola trasformazione o spiegazione, mentre una correzione con diverse condizioni dipendenti beneficia di un ciclo continuo di ragionamento e osservazione. Specifica il formato dell'output finale e lascia spazio alla risposta finale. Le impostazioni di valutazione del produttore sono scelte della ricetta, non una garanzia universale sulla quantità di ragionamento o sulla lunghezza massima della risposta.
Per input sorgente lunghi, organizza file e documentazione con confini chiari e nomi stabili. Chiedi di tracciare una relazione specifica, per esempio quali chiamanti dipendono da un'interfaccia modificata, quali condizioni distinguono due implementazioni o perché un risultato di test contraddice la diagnosi proposta. Mantieni le decisioni importanti e le verifiche effettive in un registro compatto del compito e rimuovi la cronologia irrilevante. Il limite di contesto comprende il materiale di lavoro e la continuazione generata; una risposta finale grande quanto l'intero contesto non è una capacità promessa separatamente.
Poolside pubblica BF16 e varianti separate FP8, NVFP4, INT4 e GGUF, oltre ad artefatti di modelli draft DFlash. Sono scelte diverse di esecuzione. Un piccolo numero di parametri attivi non significa che i pesi completi del modello occupino soltanto quella quantità di memoria, e un modello draft è un componente di accelerazione anziché il modello di programmazione stesso. Conserva il checkpoint esatto quando confronti risultati locali e prepara il codice o i contenuti dei documenti come testo per questo modello text-to-text.
Il produttore documenta un problema del parser degli strumenti nelle build di serving più vecchie che può eliminare alcune chiamate ed esporre il loro markup grezzo come normale testo di risposta. Questo mostra perché un flusso collegato a strumenti deve distinguere la richiesta prevista dal modello da una chiamata di funzione analizzata correttamente. Controlla il nome e gli argomenti risultanti dal parsing, convalidali rispetto allo schema effettivo e conserva il risultato dell'esecuzione. Un rapporto finale deve identificare l'artefatto rivisto, le verifiche osservate e le ipotesi rimanenti. Una patch o un comando proposti diventano un risultato completato solo quando il loro comportamento è stabilito da tali registrazioni.
", "aboutText": "Poolside Laguna XS 2.1 è un modello linguistico mixture-of-experts per programmazione basata su agenti e attività di lungo periodo, posizionato come il modello più piccolo per l'esecuzione locale nella serie Laguna. Ha 33B parametri totali e 3B attivi per token. È un modello aggiornato rispetto a Laguna XS.2: ne mantiene l'architettura, migliorando i risultati di ingegneria del software e dei compiti da terminale riportati dal produttore. Il modello accetta testo e genera testo, codice, ragionamento e richieste di chiamata agli strumenti.\n\nIl design a 40 livelli combina 10 livelli di attenzione globale e 30 livelli a finestra scorrevole, con gating sigmoide e una finestra scorrevole di 512 token. Questa finestra di attenzione locale è separata dal contesto di 262.144 token del modello. Poolside descrive anche un design della cache KV in FP8 per ridurre la memoria per token. Queste caratteristiche aiutano a spiegare l'orientamento del modello all'esecuzione locale, ma il requisito preciso di memoria dipende comunque dal checkpoint, dalla quantizzazione, dal contesto di lavoro e dalla configurazione di serving.\n\nPer un'attività di programmazione, fornisci i file sorgente pertinenti come testo, il comportamento atteso e l'errore effettivo o l'output che mostra il problema. Una richiesta utile è: «Correggi la gestione dei delimitatori con escape in questo parser mantenendo il formato di input pubblicato. Mostra la modifica proposta, spiega quali casi sono interessati e identifica esempi che rivelerebbero una regressione». Mantieni un risultato concreto da consegnare e una condizione di completamento, così che il modello possa lavorare verso un risultato anziché limitarsi a discutere il problema.\n\nPer compiti di tipo terminale, fornisci l'ambiente attuale, l'output pertinente dei comandi e i vincoli del lavoro. In un'applicazione collegata a strumenti, il modello propone una chiamata di funzione, l'applicazione la esegue e il risultato viene restituito per la decisione successiva. Chiedigli di spiegare che cosa rivela un errore prima di proporre un altro comando. Per esempio, fornisci il manifest delle dipendenze e l'output dell'installazione fallita, poi richiedi la più piccola correzione basata sulle fonti e il risultato atteso della verifica successiva. Conserva nella cronologia i passaggi precedenti riusciti e il problema irrisolto.\n\nLaguna XS 2.1 è progettato per il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare il contenuto di ragionamento dei messaggi precedenti dell'assistente quando si ricostruisce la richiesta successiva. Rimuoverlo può impedire ulteriore ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle sue chiamate agli strumenti e il risultato corrispondente dello strumento, con l'obiettivo in corso ben visibile. È particolarmente utile quando diverse osservazioni contribuiscono a una correzione e un passaggio successivo dipende da una decisione precedente.\n\nIl ragionamento può essere abilitato o disabilitato tramite il template chat. Poolside consiglia di abilitarlo per la programmazione basata su agenti e di conservarlo tra i turni. Una richiesta di risposta diretta può adattarsi a una piccola trasformazione o spiegazione, mentre una correzione con diverse condizioni dipendenti beneficia di un ciclo continuo di ragionamento e osservazione. Specifica il formato dell'output finale e lascia spazio alla risposta finale. Le impostazioni di valutazione del produttore sono scelte della ricetta, non una garanzia universale sulla quantità di ragionamento o sulla lunghezza massima della risposta.\n\nPer input sorgente lunghi, organizza file e documentazione con confini chiari e nomi stabili. Chiedi di tracciare una relazione specifica, per esempio quali chiamanti dipendono da un'interfaccia modificata, quali condizioni distinguono due implementazioni o perché un risultato di test contraddice la diagnosi proposta. Mantieni le decisioni importanti e le verifiche effettive in un registro compatto del compito e rimuovi la cronologia irrilevante. Il limite di contesto comprende il materiale di lavoro e la continuazione generata; una risposta finale grande quanto l'intero contesto non è una capacità promessa separatamente.\n\nPoolside pubblica BF16 e varianti separate FP8, NVFP4, INT4 e GGUF, oltre ad artefatti di modelli draft DFlash. Sono scelte diverse di esecuzione. Un piccolo numero di parametri attivi non significa che i pesi completi del modello occupino soltanto quella quantità di memoria, e un modello draft è un componente di accelerazione anziché il modello di programmazione stesso. Conserva il checkpoint esatto quando confronti risultati locali e prepara il codice o i contenuti dei documenti come testo per questo modello text-to-text.\n\nIl produttore documenta un problema del parser degli strumenti nelle build di serving più vecchie che può eliminare alcune chiamate ed esporre il loro markup grezzo come normale testo di risposta. Questo mostra perché un flusso collegato a strumenti deve distinguere la richiesta prevista dal modello da una chiamata di funzione analizzata correttamente. Controlla il nome e gli argomenti risultanti dal parsing, convalidali rispetto allo schema effettivo e conserva il risultato dell'esecuzione. Un rapporto finale deve identificare l'artefatto rivisto, le verifiche osservate e le ipotesi rimanenti. Una patch o un comando proposti diventano un risultato completato solo quando il loro comportamento è stabilito da tali registrazioni.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "518f892fb9fd2a5428a7b3f175549c2a090cf333ed0fdfaa9200ae557b58a72e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 è un modello testuale con 33B parametri totali e 3B attivi per programmazione basata su agenti e attività di lungo periodo. Ha un contesto di 262.144 token e ragionamento nativo tra le chiamate agli strumenti. Il design MoE più piccolo e le versioni quantizzate separate supportano l'esecuzione locale, con esigenze di risorse dipendenti dalla configurazione.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Poolside Laguna XS 2.1 è un modello linguistico mixture-of-experts per programmazione basata su agenti e attività di lungo periodo, posizionato come il modello più piccolo per l'esecuzione locale nella serie Laguna. Ha 33B parametri totali e 3B attivi per token. È un modello aggiornato rispetto a Laguna XS.2: ne mantiene l'architettura, migliorando i risultati di ingegneria del software e dei compiti da terminale riportati dal produttore. Il modello accetta testo e genera testo, codice, ragionamento e richieste di chiamata agli strumenti.
Il design a 40 livelli combina 10 livelli di attenzione globale e 30 livelli a finestra scorrevole, con gating sigmoide e una finestra scorrevole di 512 token. Questa finestra di attenzione locale è separata dal contesto di 262.144 token del modello. Poolside descrive anche un design della cache KV in FP8 per ridurre la memoria per token. Queste caratteristiche aiutano a spiegare l'orientamento del modello all'esecuzione locale, ma il requisito preciso di memoria dipende comunque dal checkpoint, dalla quantizzazione, dal contesto di lavoro e dalla configurazione di serving.
Per un'attività di programmazione, fornisci i file sorgente pertinenti come testo, il comportamento atteso e l'errore effettivo o l'output che mostra il problema. Una richiesta utile è: «Correggi la gestione dei delimitatori con escape in questo parser mantenendo il formato di input pubblicato. Mostra la modifica proposta, spiega quali casi sono interessati e identifica esempi che rivelerebbero una regressione». Mantieni un risultato concreto da consegnare e una condizione di completamento, così che il modello possa lavorare verso un risultato anziché limitarsi a discutere il problema.
Per compiti di tipo terminale, fornisci l'ambiente attuale, l'output pertinente dei comandi e i vincoli del lavoro. In un'applicazione collegata a strumenti, il modello propone una chiamata di funzione, l'applicazione la esegue e il risultato viene restituito per la decisione successiva. Chiedigli di spiegare che cosa rivela un errore prima di proporre un altro comando. Per esempio, fornisci il manifest delle dipendenze e l'output dell'installazione fallita, poi richiedi la più piccola correzione basata sulle fonti e il risultato atteso della verifica successiva. Conserva nella cronologia i passaggi precedenti riusciti e il problema irrisolto.
Laguna XS 2.1 è progettato per il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare il contenuto di ragionamento dei messaggi precedenti dell'assistente quando si ricostruisce la richiesta successiva. Rimuoverlo può impedire ulteriore ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle sue chiamate agli strumenti e il risultato corrispondente dello strumento, con l'obiettivo in corso ben visibile. È particolarmente utile quando diverse osservazioni contribuiscono a una correzione e un passaggio successivo dipende da una decisione precedente.
Il ragionamento può essere abilitato o disabilitato tramite il template chat. Poolside consiglia di abilitarlo per la programmazione basata su agenti e di conservarlo tra i turni. Una richiesta di risposta diretta può adattarsi a una piccola trasformazione o spiegazione, mentre una correzione con diverse condizioni dipendenti beneficia di un ciclo continuo di ragionamento e osservazione. Specifica il formato dell'output finale e lascia spazio alla risposta finale. Le impostazioni di valutazione del produttore sono scelte della ricetta, non una garanzia universale sulla quantità di ragionamento o sulla lunghezza massima della risposta.
Per input sorgente lunghi, organizza file e documentazione con confini chiari e nomi stabili. Chiedi di tracciare una relazione specifica, per esempio quali chiamanti dipendono da un'interfaccia modificata, quali condizioni distinguono due implementazioni o perché un risultato di test contraddice la diagnosi proposta. Mantieni le decisioni importanti e le verifiche effettive in un registro compatto del compito e rimuovi la cronologia irrilevante. Il limite di contesto comprende il materiale di lavoro e la continuazione generata; una risposta finale grande quanto l'intero contesto non è una capacità promessa separatamente.
Poolside pubblica BF16 e varianti separate FP8, NVFP4, INT4 e GGUF, oltre ad artefatti di modelli draft DFlash. Sono scelte diverse di esecuzione. Un piccolo numero di parametri attivi non significa che i pesi completi del modello occupino soltanto quella quantità di memoria, e un modello draft è un componente di accelerazione anziché il modello di programmazione stesso. Conserva il checkpoint esatto quando confronti risultati locali e prepara il codice o i contenuti dei documenti come testo per questo modello text-to-text.
Il produttore documenta un problema del parser degli strumenti nelle build di serving più vecchie che può eliminare alcune chiamate ed esporre il loro markup grezzo come normale testo di risposta. Questo mostra perché un flusso collegato a strumenti deve distinguere la richiesta prevista dal modello da una chiamata di funzione analizzata correttamente. Controlla il nome e gli argomenti risultanti dal parsing, convalidali rispetto allo schema effettivo e conserva il risultato dell'esecuzione. Un rapporto finale deve identificare l'artefatto rivisto, le verifiche osservate e le ipotesi rimanenti. Una patch o un comando proposti diventano un risultato completato solo quando il loro comportamento è stabilito da tali registrazioni.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti poolside/laguna-xs-2.1:free | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti false | Predefinitofalse |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campon | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 128 | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camposeed | Tipointeger | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostop | Tipo | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campofrequency_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campopresence_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametrooptional | Contrattostream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametromaterial_types | Contrattotext |
Parametroconditions | ContrattoUse 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. |
Ciclo di vita: synchronous_json
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
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
Usa i percorsi dei metodi indicati sopra.
poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 è un modello testuale con 33B parametri totali e 3B attivi per programmazione basata su agenti e attività di lungo periodo. Ha un contesto di 262.144 token e ragionamento nativo tra le chiamate agli strumenti. Il design MoE più piccolo e le versioni quantizzate separate supportano l'esecuzione locale, con esigenze di risorse dipendenti dalla configurazione.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Poolside Laguna XS 2.1 è un modello linguistico mixture-of-experts per programmazione basata su agenti e attività di lungo periodo, posizionato come il modello più piccolo per l'esecuzione locale nella serie Laguna. Ha 33B parametri totali e 3B attivi per token. È un modello aggiornato rispetto a Laguna XS.2: ne mantiene l'architettura, migliorando i risultati di ingegneria del software e dei compiti da terminale riportati dal produttore. Il modello accetta testo e genera testo, codice, ragionamento e richieste di chiamata agli strumenti.
Il design a 40 livelli combina 10 livelli di attenzione globale e 30 livelli a finestra scorrevole, con gating sigmoide e una finestra scorrevole di 512 token. Questa finestra di attenzione locale è separata dal contesto di 262.144 token del modello. Poolside descrive anche un design della cache KV in FP8 per ridurre la memoria per token. Queste caratteristiche aiutano a spiegare l'orientamento del modello all'esecuzione locale, ma il requisito preciso di memoria dipende comunque dal checkpoint, dalla quantizzazione, dal contesto di lavoro e dalla configurazione di serving.
Per un'attività di programmazione, fornisci i file sorgente pertinenti come testo, il comportamento atteso e l'errore effettivo o l'output che mostra il problema. Una richiesta utile è: «Correggi la gestione dei delimitatori con escape in questo parser mantenendo il formato di input pubblicato. Mostra la modifica proposta, spiega quali casi sono interessati e identifica esempi che rivelerebbero una regressione». Mantieni un risultato concreto da consegnare e una condizione di completamento, così che il modello possa lavorare verso un risultato anziché limitarsi a discutere il problema.
Per compiti di tipo terminale, fornisci l'ambiente attuale, l'output pertinente dei comandi e i vincoli del lavoro. In un'applicazione collegata a strumenti, il modello propone una chiamata di funzione, l'applicazione la esegue e il risultato viene restituito per la decisione successiva. Chiedigli di spiegare che cosa rivela un errore prima di proporre un altro comando. Per esempio, fornisci il manifest delle dipendenze e l'output dell'installazione fallita, poi richiedi la più piccola correzione basata sulle fonti e il risultato atteso della verifica successiva. Conserva nella cronologia i passaggi precedenti riusciti e il problema irrisolto.
Laguna XS 2.1 è progettato per il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare il contenuto di ragionamento dei messaggi precedenti dell'assistente quando si ricostruisce la richiesta successiva. Rimuoverlo può impedire ulteriore ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle sue chiamate agli strumenti e il risultato corrispondente dello strumento, con l'obiettivo in corso ben visibile. È particolarmente utile quando diverse osservazioni contribuiscono a una correzione e un passaggio successivo dipende da una decisione precedente.
Il ragionamento può essere abilitato o disabilitato tramite il template chat. Poolside consiglia di abilitarlo per la programmazione basata su agenti e di conservarlo tra i turni. Una richiesta di risposta diretta può adattarsi a una piccola trasformazione o spiegazione, mentre una correzione con diverse condizioni dipendenti beneficia di un ciclo continuo di ragionamento e osservazione. Specifica il formato dell'output finale e lascia spazio alla risposta finale. Le impostazioni di valutazione del produttore sono scelte della ricetta, non una garanzia universale sulla quantità di ragionamento o sulla lunghezza massima della risposta.
Per input sorgente lunghi, organizza file e documentazione con confini chiari e nomi stabili. Chiedi di tracciare una relazione specifica, per esempio quali chiamanti dipendono da un'interfaccia modificata, quali condizioni distinguono due implementazioni o perché un risultato di test contraddice la diagnosi proposta. Mantieni le decisioni importanti e le verifiche effettive in un registro compatto del compito e rimuovi la cronologia irrilevante. Il limite di contesto comprende il materiale di lavoro e la continuazione generata; una risposta finale grande quanto l'intero contesto non è una capacità promessa separatamente.
Poolside pubblica BF16 e varianti separate FP8, NVFP4, INT4 e GGUF, oltre ad artefatti di modelli draft DFlash. Sono scelte diverse di esecuzione. Un piccolo numero di parametri attivi non significa che i pesi completi del modello occupino soltanto quella quantità di memoria, e un modello draft è un componente di accelerazione anziché il modello di programmazione stesso. Conserva il checkpoint esatto quando confronti risultati locali e prepara il codice o i contenuti dei documenti come testo per questo modello text-to-text.
Il produttore documenta un problema del parser degli strumenti nelle build di serving più vecchie che può eliminare alcune chiamate ed esporre il loro markup grezzo come normale testo di risposta. Questo mostra perché un flusso collegato a strumenti deve distinguere la richiesta prevista dal modello da una chiamata di funzione analizzata correttamente. Controlla il nome e gli argomenti risultanti dal parsing, convalidali rispetto allo schema effettivo e conserva il risultato dell'esecuzione. Un rapporto finale deve identificare l'artefatto rivisto, le verifiche osservate e le ipotesi rimanenti. Una patch o un comando proposti diventano un risultato completato solo quando il loro comportamento è stabilito da tali registrazioni.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti poolside/laguna-xs-2.1:free | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti false | Predefinitofalse |
Camposystem | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_k | Tipointeger | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostop_sequences | Tipoarray | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional | Contrattostream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametromaterial_types | Contrattotext |
Parametroconditions | ContrattoUse 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. |
Ciclo di vita: synchronous_json
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
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
Usa i percorsi dei metodi indicati sopra.