Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위해 설계된 전문가 혼합 언어 모델입니다. 전체 매개변수는 118B이며 토큰당 약 8B가 활성화되어, 제조사 시리즈에서 더 작은 Laguna XS 2.1과 더 큰 Laguna M.1 사이에 자리합니다. 도구가 연결된 애플리케이션에서 텍스트를 처리하고 텍스트, 코드, 추론, 도구 호출 요청을 생성합니다.
아키텍처는 48개 계층에 걸쳐 전역 어텐션과 슬라이딩 윈도 어텐션을 결합합니다. 전역 계층은 12개, 슬라이딩 윈도 계층은 36개입니다. 512토큰의 슬라이딩 윈도는 해당 계층 내 로컬 어텐션을 뜻하고, 문서화된 모델 컨텍스트는 1,048,576토큰입니다. 두 수치는 서로 다른 측정값입니다. 더 큰 컨텍스트는 여러 단계에 걸쳐 소스 파일, 관찰, 결정을 누적하는 작업을 지원합니다. 작업 목표와 의미 있는 근거를 함께 유지하고 적용되는 구성 안에서 후속 추론과 최종 응답을 위한 공간을 확보하세요.
모델의 핵심 목적은 지속적인 작업, 검증, 수정을 필요로 하는 소프트웨어 업무입니다. 저장소 작업에서는 예상 동작, 텍스트로 된 관련 파일, 의존성 정보, 실제 실패 출력을 제공하세요. 범위가 명확한 결과를 요청하세요. “이 회귀의 원인을 추적하고, 문서화된 인터페이스를 유지하는 변경을 제안하며, 수정과 무관한 변경을 구별할 검증을 지정하세요.” 도구가 연결된 워크플로에서는 다음 단계를 선택하기 전에 실행한 각 검증의 결과를 모델에 제공하세요.
최적화 작업에는 측정값과 명확한 목표를 제공하세요. 예시는 다음과 같습니다. “이 프로파일과 할당 보고서로 병목을 식별하세요. 변경 하나를 제안하고 예상 효과를 설명한 뒤, 같은 측정을 반복한 결과를 기준값과 비교하세요.” 이렇게 하면 성능 주장을 점검할 수 있습니다. Poolside의 릴리스는 검증과 지속적인 진전을 중요한 동작으로 설명하지만, 설득력 있는 설명만으로 수정이 더 빠르거나 올바르거나 완료되었다고 확인할 수는 없습니다. 변경을 유지하거나 거부하는 판단을 뒷받침하는 관찰을 보존하세요.
Laguna S 2.1은 도구 호출 전과 호출 사이에 사고를 끼워 넣는 방식을 지원합니다. 제조사는 후속 이력에 이전 어시스턴트 메시지의 추론 내용을 보존할 것을 권장합니다. 해당 블록을 누락하면 후속 단계에서 추론이 멈출 수 있습니다. 어시스턴트 응답, 도구 호출 정보, 해당 도구 결과를 함께 유지하세요. 이는 이미 시도한 일을 반복해서 재구성하는 대신 실제 상태에서 긴 작업을 이어 가는 데 도움이 됩니다.
문서화된 사고 선택지는 off와 max이며, 제조사가 설명한 설정에서는 max가 기본으로 활성화됩니다. 이 모드에서 모델은 스스로 사고 예산을 정합니다. 릴리스에는 별도의 low, medium, high 노력 제어가 제시되어 있지 않습니다. Poolside는 에이전트 코딩에서 사고를 활성화하고 단계 사이에 유지할 것을 권장합니다. 최종 결과물과 완료 기준을 명시하고 긴 추론 과정과 완료한 결과를 구분하세요. 제조사는 특히 경시대회 수학에서 나타나는 과도한 사고를 중요한 한계로 지적합니다.
도구 정의에는 특별한 주의가 필요합니다. Poolside는 S 2.1이 비슷하지만 다른 스키마를 면밀히 따르는 대신 익숙한 도구 인터페이스에 처음에는 의존할 수 있다고 보고합니다. 도구 인수에 중첩 배열이 포함되면 잘못된 형식이나 잘못 이스케이프된 JSON을 생성할 수도 있습니다. 실제 인수 정의를 제공하고 제안한 호출을 검증하며, 호출이 맞지 않으면 정확한 오류를 반환하세요. 제조사는 컨텍스트 내 피드백을 통한 수정이 이러한 불일치 일부를 해결하는 방법이라고 설명합니다. 그 결과로 얻은 도구 관찰을 다음 판단에 사용할 수 있도록 유지하세요.
제조사는 BF16과 양자화 변형, 선택적인 DFlash 드래프트 모델을 별도로 공개합니다. 이는 서로 다른 결과물과 서빙 레시피이므로 일반 모델 이름만으로 양자화 체크포인트의 메모리 사용량이나 추측 디코딩 성능을 가정해서는 안 됩니다. 일반 텍스트 작업에는 소스 코드, 명령 출력, 문서 발췌문을 읽기 쉬운 텍스트로 준비하세요. 릴리스는 이 모델에 비전 기능이 없다고 명시합니다. 스크린샷을 분석의 근거로 사용하려면 텍스트로 된 관찰 또는 적절한 외부 점검 단계를 거쳐야 합니다.
변경한 결과물, 중요한 결정, 관찰한 검증, 해결되지 않은 조건을 식별하는 최종 결과물을 요청하세요. 코드 검토에서는 발견 사항을 관련 소스에 연결하고 각 문제가 동작에 영향을 주는 이유를 보여 주세요. 수정 작업에서는 제안한 패치와 실제로 동작을 검증한 패치를 구분하세요. 추론과 도구 이력을 보존하면 모델이 작업을 진행하는 데 도움이 되며, 무엇을 달성했는지는 최종 결과물과 기록된 결과로 확인합니다.
", "aboutText": "Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위해 설계된 전문가 혼합 언어 모델입니다. 전체 매개변수는 118B이며 토큰당 약 8B가 활성화되어, 제조사 시리즈에서 더 작은 Laguna XS 2.1과 더 큰 Laguna M.1 사이에 자리합니다. 도구가 연결된 애플리케이션에서 텍스트를 처리하고 텍스트, 코드, 추론, 도구 호출 요청을 생성합니다.\n\n아키텍처는 48개 계층에 걸쳐 전역 어텐션과 슬라이딩 윈도 어텐션을 결합합니다. 전역 계층은 12개, 슬라이딩 윈도 계층은 36개입니다. 512토큰의 슬라이딩 윈도는 해당 계층 내 로컬 어텐션을 뜻하고, 문서화된 모델 컨텍스트는 1,048,576토큰입니다. 두 수치는 서로 다른 측정값입니다. 더 큰 컨텍스트는 여러 단계에 걸쳐 소스 파일, 관찰, 결정을 누적하는 작업을 지원합니다. 작업 목표와 의미 있는 근거를 함께 유지하고 적용되는 구성 안에서 후속 추론과 최종 응답을 위한 공간을 확보하세요.\n\n모델의 핵심 목적은 지속적인 작업, 검증, 수정을 필요로 하는 소프트웨어 업무입니다. 저장소 작업에서는 예상 동작, 텍스트로 된 관련 파일, 의존성 정보, 실제 실패 출력을 제공하세요. 범위가 명확한 결과를 요청하세요. “이 회귀의 원인을 추적하고, 문서화된 인터페이스를 유지하는 변경을 제안하며, 수정과 무관한 변경을 구별할 검증을 지정하세요.” 도구가 연결된 워크플로에서는 다음 단계를 선택하기 전에 실행한 각 검증의 결과를 모델에 제공하세요.\n\n최적화 작업에는 측정값과 명확한 목표를 제공하세요. 예시는 다음과 같습니다. “이 프로파일과 할당 보고서로 병목을 식별하세요. 변경 하나를 제안하고 예상 효과를 설명한 뒤, 같은 측정을 반복한 결과를 기준값과 비교하세요.” 이렇게 하면 성능 주장을 점검할 수 있습니다. Poolside의 릴리스는 검증과 지속적인 진전을 중요한 동작으로 설명하지만, 설득력 있는 설명만으로 수정이 더 빠르거나 올바르거나 완료되었다고 확인할 수는 없습니다. 변경을 유지하거나 거부하는 판단을 뒷받침하는 관찰을 보존하세요.\n\nLaguna S 2.1은 도구 호출 전과 호출 사이에 사고를 끼워 넣는 방식을 지원합니다. 제조사는 후속 이력에 이전 어시스턴트 메시지의 추론 내용을 보존할 것을 권장합니다. 해당 블록을 누락하면 후속 단계에서 추론이 멈출 수 있습니다. 어시스턴트 응답, 도구 호출 정보, 해당 도구 결과를 함께 유지하세요. 이는 이미 시도한 일을 반복해서 재구성하는 대신 실제 상태에서 긴 작업을 이어 가는 데 도움이 됩니다.\n\n문서화된 사고 선택지는 off와 max이며, 제조사가 설명한 설정에서는 max가 기본으로 활성화됩니다. 이 모드에서 모델은 스스로 사고 예산을 정합니다. 릴리스에는 별도의 low, medium, high 노력 제어가 제시되어 있지 않습니다. Poolside는 에이전트 코딩에서 사고를 활성화하고 단계 사이에 유지할 것을 권장합니다. 최종 결과물과 완료 기준을 명시하고 긴 추론 과정과 완료한 결과를 구분하세요. 제조사는 특히 경시대회 수학에서 나타나는 과도한 사고를 중요한 한계로 지적합니다.\n\n도구 정의에는 특별한 주의가 필요합니다. Poolside는 S 2.1이 비슷하지만 다른 스키마를 면밀히 따르는 대신 익숙한 도구 인터페이스에 처음에는 의존할 수 있다고 보고합니다. 도구 인수에 중첩 배열이 포함되면 잘못된 형식이나 잘못 이스케이프된 JSON을 생성할 수도 있습니다. 실제 인수 정의를 제공하고 제안한 호출을 검증하며, 호출이 맞지 않으면 정확한 오류를 반환하세요. 제조사는 컨텍스트 내 피드백을 통한 수정이 이러한 불일치 일부를 해결하는 방법이라고 설명합니다. 그 결과로 얻은 도구 관찰을 다음 판단에 사용할 수 있도록 유지하세요.\n\n제조사는 BF16과 양자화 변형, 선택적인 DFlash 드래프트 모델을 별도로 공개합니다. 이는 서로 다른 결과물과 서빙 레시피이므로 일반 모델 이름만으로 양자화 체크포인트의 메모리 사용량이나 추측 디코딩 성능을 가정해서는 안 됩니다. 일반 텍스트 작업에는 소스 코드, 명령 출력, 문서 발췌문을 읽기 쉬운 텍스트로 준비하세요. 릴리스는 이 모델에 비전 기능이 없다고 명시합니다. 스크린샷을 분석의 근거로 사용하려면 텍스트로 된 관찰 또는 적절한 외부 점검 단계를 거쳐야 합니다.\n\n변경한 결과물, 중요한 결정, 관찰한 검증, 해결되지 않은 조건을 식별하는 최종 결과물을 요청하세요. 코드 검토에서는 발견 사항을 관련 소스에 연결하고 각 문제가 동작에 영향을 주는 이유를 보여 주세요. 수정 작업에서는 제안한 패치와 실제로 동작을 검증한 패치를 구분하세요. 추론과 도구 이력을 보존하면 모델이 작업을 진행하는 데 도움이 되며, 무엇을 달성했는지는 최종 결과물과 기록된 결과로 확인합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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-2.1Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위한 텍스트 모델로, 전체 매개변수 118B와 약 8B의 활성 매개변수를 갖습니다. 1,048,576토큰의 모델 컨텍스트에 네이티브 도구 사용과 중간중간 이어지는 추론을 결합하며, 이전 사고를 보존하면 도구 호출에 걸쳐 효과적으로 작업을 이어 가는 데 도움이 됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위해 설계된 전문가 혼합 언어 모델입니다. 전체 매개변수는 118B이며 토큰당 약 8B가 활성화되어, 제조사 시리즈에서 더 작은 Laguna XS 2.1과 더 큰 Laguna M.1 사이에 자리합니다. 도구가 연결된 애플리케이션에서 텍스트를 처리하고 텍스트, 코드, 추론, 도구 호출 요청을 생성합니다.
아키텍처는 48개 계층에 걸쳐 전역 어텐션과 슬라이딩 윈도 어텐션을 결합합니다. 전역 계층은 12개, 슬라이딩 윈도 계층은 36개입니다. 512토큰의 슬라이딩 윈도는 해당 계층 내 로컬 어텐션을 뜻하고, 문서화된 모델 컨텍스트는 1,048,576토큰입니다. 두 수치는 서로 다른 측정값입니다. 더 큰 컨텍스트는 여러 단계에 걸쳐 소스 파일, 관찰, 결정을 누적하는 작업을 지원합니다. 작업 목표와 의미 있는 근거를 함께 유지하고 적용되는 구성 안에서 후속 추론과 최종 응답을 위한 공간을 확보하세요.
모델의 핵심 목적은 지속적인 작업, 검증, 수정을 필요로 하는 소프트웨어 업무입니다. 저장소 작업에서는 예상 동작, 텍스트로 된 관련 파일, 의존성 정보, 실제 실패 출력을 제공하세요. 범위가 명확한 결과를 요청하세요. “이 회귀의 원인을 추적하고, 문서화된 인터페이스를 유지하는 변경을 제안하며, 수정과 무관한 변경을 구별할 검증을 지정하세요.” 도구가 연결된 워크플로에서는 다음 단계를 선택하기 전에 실행한 각 검증의 결과를 모델에 제공하세요.
최적화 작업에는 측정값과 명확한 목표를 제공하세요. 예시는 다음과 같습니다. “이 프로파일과 할당 보고서로 병목을 식별하세요. 변경 하나를 제안하고 예상 효과를 설명한 뒤, 같은 측정을 반복한 결과를 기준값과 비교하세요.” 이렇게 하면 성능 주장을 점검할 수 있습니다. Poolside의 릴리스는 검증과 지속적인 진전을 중요한 동작으로 설명하지만, 설득력 있는 설명만으로 수정이 더 빠르거나 올바르거나 완료되었다고 확인할 수는 없습니다. 변경을 유지하거나 거부하는 판단을 뒷받침하는 관찰을 보존하세요.
Laguna S 2.1은 도구 호출 전과 호출 사이에 사고를 끼워 넣는 방식을 지원합니다. 제조사는 후속 이력에 이전 어시스턴트 메시지의 추론 내용을 보존할 것을 권장합니다. 해당 블록을 누락하면 후속 단계에서 추론이 멈출 수 있습니다. 어시스턴트 응답, 도구 호출 정보, 해당 도구 결과를 함께 유지하세요. 이는 이미 시도한 일을 반복해서 재구성하는 대신 실제 상태에서 긴 작업을 이어 가는 데 도움이 됩니다.
문서화된 사고 선택지는 off와 max이며, 제조사가 설명한 설정에서는 max가 기본으로 활성화됩니다. 이 모드에서 모델은 스스로 사고 예산을 정합니다. 릴리스에는 별도의 low, medium, high 노력 제어가 제시되어 있지 않습니다. Poolside는 에이전트 코딩에서 사고를 활성화하고 단계 사이에 유지할 것을 권장합니다. 최종 결과물과 완료 기준을 명시하고 긴 추론 과정과 완료한 결과를 구분하세요. 제조사는 특히 경시대회 수학에서 나타나는 과도한 사고를 중요한 한계로 지적합니다.
도구 정의에는 특별한 주의가 필요합니다. Poolside는 S 2.1이 비슷하지만 다른 스키마를 면밀히 따르는 대신 익숙한 도구 인터페이스에 처음에는 의존할 수 있다고 보고합니다. 도구 인수에 중첩 배열이 포함되면 잘못된 형식이나 잘못 이스케이프된 JSON을 생성할 수도 있습니다. 실제 인수 정의를 제공하고 제안한 호출을 검증하며, 호출이 맞지 않으면 정확한 오류를 반환하세요. 제조사는 컨텍스트 내 피드백을 통한 수정이 이러한 불일치 일부를 해결하는 방법이라고 설명합니다. 그 결과로 얻은 도구 관찰을 다음 판단에 사용할 수 있도록 유지하세요.
제조사는 BF16과 양자화 변형, 선택적인 DFlash 드래프트 모델을 별도로 공개합니다. 이는 서로 다른 결과물과 서빙 레시피이므로 일반 모델 이름만으로 양자화 체크포인트의 메모리 사용량이나 추측 디코딩 성능을 가정해서는 안 됩니다. 일반 텍스트 작업에는 소스 코드, 명령 출력, 문서 발췌문을 읽기 쉬운 텍스트로 준비하세요. 릴리스는 이 모델에 비전 기능이 없다고 명시합니다. 스크린샷을 분석의 근거로 사용하려면 텍스트로 된 관찰 또는 적절한 외부 점검 단계를 거쳐야 합니다.
변경한 결과물, 중요한 결정, 관찰한 검증, 해결되지 않은 조건을 식별하는 최종 결과물을 요청하세요. 코드 검토에서는 발견 사항을 관련 소스에 연결하고 각 문제가 동작에 영향을 주는 이유를 보여 주세요. 수정 작업에서는 제안한 패치와 실제로 동작을 검증한 패치를 구분하세요. 추론과 도구 이력을 보존하면 모델이 작업을 진행하는 데 도움이 되며, 무엇을 달성했는지는 최종 결과물과 기록된 결과로 확인합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 poolside/laguna-s-2.1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra poolside/laguna-s-2.1
위에 표시된 메서드 경로를 사용하세요.
poolside/laguna-s-2.1Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위한 텍스트 모델로, 전체 매개변수 118B와 약 8B의 활성 매개변수를 갖습니다. 1,048,576토큰의 모델 컨텍스트에 네이티브 도구 사용과 중간중간 이어지는 추론을 결합하며, 이전 사고를 보존하면 도구 호출에 걸쳐 효과적으로 작업을 이어 가는 데 도움이 됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Poolside Laguna S 2.1은 에이전트 코딩과 장기간 이어지는 작업을 위해 설계된 전문가 혼합 언어 모델입니다. 전체 매개변수는 118B이며 토큰당 약 8B가 활성화되어, 제조사 시리즈에서 더 작은 Laguna XS 2.1과 더 큰 Laguna M.1 사이에 자리합니다. 도구가 연결된 애플리케이션에서 텍스트를 처리하고 텍스트, 코드, 추론, 도구 호출 요청을 생성합니다.
아키텍처는 48개 계층에 걸쳐 전역 어텐션과 슬라이딩 윈도 어텐션을 결합합니다. 전역 계층은 12개, 슬라이딩 윈도 계층은 36개입니다. 512토큰의 슬라이딩 윈도는 해당 계층 내 로컬 어텐션을 뜻하고, 문서화된 모델 컨텍스트는 1,048,576토큰입니다. 두 수치는 서로 다른 측정값입니다. 더 큰 컨텍스트는 여러 단계에 걸쳐 소스 파일, 관찰, 결정을 누적하는 작업을 지원합니다. 작업 목표와 의미 있는 근거를 함께 유지하고 적용되는 구성 안에서 후속 추론과 최종 응답을 위한 공간을 확보하세요.
모델의 핵심 목적은 지속적인 작업, 검증, 수정을 필요로 하는 소프트웨어 업무입니다. 저장소 작업에서는 예상 동작, 텍스트로 된 관련 파일, 의존성 정보, 실제 실패 출력을 제공하세요. 범위가 명확한 결과를 요청하세요. “이 회귀의 원인을 추적하고, 문서화된 인터페이스를 유지하는 변경을 제안하며, 수정과 무관한 변경을 구별할 검증을 지정하세요.” 도구가 연결된 워크플로에서는 다음 단계를 선택하기 전에 실행한 각 검증의 결과를 모델에 제공하세요.
최적화 작업에는 측정값과 명확한 목표를 제공하세요. 예시는 다음과 같습니다. “이 프로파일과 할당 보고서로 병목을 식별하세요. 변경 하나를 제안하고 예상 효과를 설명한 뒤, 같은 측정을 반복한 결과를 기준값과 비교하세요.” 이렇게 하면 성능 주장을 점검할 수 있습니다. Poolside의 릴리스는 검증과 지속적인 진전을 중요한 동작으로 설명하지만, 설득력 있는 설명만으로 수정이 더 빠르거나 올바르거나 완료되었다고 확인할 수는 없습니다. 변경을 유지하거나 거부하는 판단을 뒷받침하는 관찰을 보존하세요.
Laguna S 2.1은 도구 호출 전과 호출 사이에 사고를 끼워 넣는 방식을 지원합니다. 제조사는 후속 이력에 이전 어시스턴트 메시지의 추론 내용을 보존할 것을 권장합니다. 해당 블록을 누락하면 후속 단계에서 추론이 멈출 수 있습니다. 어시스턴트 응답, 도구 호출 정보, 해당 도구 결과를 함께 유지하세요. 이는 이미 시도한 일을 반복해서 재구성하는 대신 실제 상태에서 긴 작업을 이어 가는 데 도움이 됩니다.
문서화된 사고 선택지는 off와 max이며, 제조사가 설명한 설정에서는 max가 기본으로 활성화됩니다. 이 모드에서 모델은 스스로 사고 예산을 정합니다. 릴리스에는 별도의 low, medium, high 노력 제어가 제시되어 있지 않습니다. Poolside는 에이전트 코딩에서 사고를 활성화하고 단계 사이에 유지할 것을 권장합니다. 최종 결과물과 완료 기준을 명시하고 긴 추론 과정과 완료한 결과를 구분하세요. 제조사는 특히 경시대회 수학에서 나타나는 과도한 사고를 중요한 한계로 지적합니다.
도구 정의에는 특별한 주의가 필요합니다. Poolside는 S 2.1이 비슷하지만 다른 스키마를 면밀히 따르는 대신 익숙한 도구 인터페이스에 처음에는 의존할 수 있다고 보고합니다. 도구 인수에 중첩 배열이 포함되면 잘못된 형식이나 잘못 이스케이프된 JSON을 생성할 수도 있습니다. 실제 인수 정의를 제공하고 제안한 호출을 검증하며, 호출이 맞지 않으면 정확한 오류를 반환하세요. 제조사는 컨텍스트 내 피드백을 통한 수정이 이러한 불일치 일부를 해결하는 방법이라고 설명합니다. 그 결과로 얻은 도구 관찰을 다음 판단에 사용할 수 있도록 유지하세요.
제조사는 BF16과 양자화 변형, 선택적인 DFlash 드래프트 모델을 별도로 공개합니다. 이는 서로 다른 결과물과 서빙 레시피이므로 일반 모델 이름만으로 양자화 체크포인트의 메모리 사용량이나 추측 디코딩 성능을 가정해서는 안 됩니다. 일반 텍스트 작업에는 소스 코드, 명령 출력, 문서 발췌문을 읽기 쉬운 텍스트로 준비하세요. 릴리스는 이 모델에 비전 기능이 없다고 명시합니다. 스크린샷을 분석의 근거로 사용하려면 텍스트로 된 관찰 또는 적절한 외부 점검 단계를 거쳐야 합니다.
변경한 결과물, 중요한 결정, 관찰한 검증, 해결되지 않은 조건을 식별하는 최종 결과물을 요청하세요. 코드 검토에서는 발견 사항을 관련 소스에 연결하고 각 문제가 동작에 영향을 주는 이유를 보여 주세요. 수정 작업에서는 제안한 패치와 실제로 동작을 검증한 패치를 구분하세요. 추론과 도구 이력을 보존하면 모델이 작업을 진행하는 데 도움이 되며, 무엇을 달성했는지는 최종 결과물과 기록된 결과로 확인합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 poolside/laguna-s-2.1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "poolside/laguna-s-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra poolside/laguna-s-2.1
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.