Poolside Laguna S 2.1 is een mixture-of-experts-taalmodel voor agentgestuurd programmeren en langdurig werk. Het heeft 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters per token, waarmee het in de serie van de fabrikant tussen de kleinere Laguna XS 2.1 en de grotere Laguna M.1 staat. Het model verwerkt tekst en produceert tekst, code, redeneringen en verzoeken om toolaanroepen in een applicatie met gekoppelde tools.
De architectuur combineert globale en sliding-window attention over 48 lagen: 12 globale lagen en 36 sliding-window-lagen. Het sliding window van 512 tokens beschrijft lokale attention binnen die lagen, terwijl de gedocumenteerde modelcontext 1.048.576 tokens omvat. Dit zijn verschillende maten. De grotere context ondersteunt taken waarbij bronbestanden, waarnemingen en beslissingen zich over veel stappen opstapelen. Houd het werkdoel en betekenisvol bewijsmateriaal bij elkaar en reserveer binnen de gebruikte configuratie ruimte voor verdere redenering en het eindantwoord.
Het model is vooral bedoeld voor softwarewerk dat volhouden, controleren en herzien vereist. Lever voor een repositorytaak het verwachte gedrag, de relevante bestanden als tekst, informatie over afhankelijkheden en de werkelijke falende uitvoer aan. Vraag om een gericht resultaat: “Achterhaal de oorzaak van deze regressie, stel een wijziging voor die de gedocumenteerde interface behoudt en benoem de controles die een oplossing onderscheiden van een niet-gerelateerde wijziging.” Geef het model in een workflow met tools het resultaat van elke uitgevoerde controle voordat het de volgende stap kiest.
Lever voor optimalisatiewerk metingen en een expliciet doel aan. Een voorbeeld is: “Gebruik dit profiel en geheugentoewijzingsrapport om een knelpunt te identificeren. Stel één wijziging voor, leg het verwachte effect uit en vergelijk het met de uitgangssituatie nadat dezelfde meting is herhaald.” Zo kan een prestatieclaim worden geïnspecteerd. De release van Poolside bespreekt verificatie en aanhoudende voortgang als belangrijk gedrag, maar een overtuigende uitleg alleen bewijst niet dat een herziening sneller, correct of volledig is. Bewaar de waarnemingen die het behouden of verwerpen van de wijziging onderbouwen.
Laguna S 2.1 ondersteunt afwisselend denken vóór en tussen toolaanroepen. De fabrikant beveelt aan de redeneerinhoud van eerdere assistentberichten in de verdere geschiedenis te behouden; het weglaten van die blokken kan ertoe leiden dat het redeneren in vervolgstappen stopt. Bewaar het assistentantwoord, de toolaanroepinformatie en het bijbehorende toolresultaat samen. Zo kan een langere taak vanuit de werkelijke toestand doorgaan, in plaats van herhaaldelijk te reconstrueren wat al is geprobeerd.
De gedocumenteerde denkopties zijn off en max, waarbij max standaard is ingeschakeld in de door de maker beschreven configuratie. Het model bepaalt in die modus zelf het denkbudget; de release biedt geen afzonderlijke inspanningsinstellingen low, medium en high. Poolside beveelt voor agentgestuurd programmeren aan het denken in te schakelen en tussen stappen te behouden. Geef het eindresultaat en de voltooiingscriteria expliciet aan en maak onderscheid tussen een lange redeneerreeks en het voltooide resultaat. De fabrikant noemt overmatig nadenken, vooral bij wedstrijdwiskunde, als een wezenlijke beperking.
Tooldefinities vragen extra aandacht. Poolside meldt dat S 2.1 aanvankelijk kan terugvallen op een vertrouwde toolinterface, in plaats van nauwgezet een vergelijkbaar maar afwijkend schema te volgen. Het kan ook ongeldige JSON of JSON met onjuiste escapes produceren wanneer een toolargument een geneste array bevat. Geef de werkelijke argumentdefinities, valideer voorgestelde aanroepen en geef een precieze fout terug wanneer de aanroep niet overeenkomt. De maker beschrijft correctie via feedback in de context als een manier om sommige van deze afwijkingen op te lossen. Houd de resulterende toolwaarneming beschikbaar voor de volgende beslissing.
De fabrikant publiceert afzonderlijke BF16- en gekwantiseerde varianten en een optioneel DFlash-draftmodel. Dit zijn verschillende bestanden en servingrecepten; het geheugengebruik van een gekwantiseerd checkpoint of de prestaties van speculative decoding mogen daarom niet uit de algemene modelnaam worden afgeleid. Bereid voor gewoon tekstwerk broncode, commando-uitvoer en documentfragmenten voor als leesbare tekst. De release vermeldt dat het model geen beeldbegrip heeft; een screenshot heeft een tekstuele waarneming of een passende externe inspectiestap nodig voordat het de analyse kan ondersteunen.
Vraag om een eindresultaat dat het gewijzigde artefact, de belangrijke beslissingen, de waargenomen controles en eventuele onopgeloste voorwaarden benoemt. Koppel bij een codereview bevindingen aan de relevante broncode en laat zien waarom elk probleem het gedrag beïnvloedt. Maak bij een reparatie onderscheid tussen de voorgestelde patch en een patch waarvan het gedrag daadwerkelijk is gecontroleerd. Het behouden van redeneer- en toolgeschiedenis helpt het model de taak uit te werken, terwijl het eindresultaat en de vastgelegde uitkomsten aantonen wat is bereikt.
", "aboutText": "Poolside Laguna S 2.1 is een mixture-of-experts-taalmodel voor agentgestuurd programmeren en langdurig werk. Het heeft 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters per token, waarmee het in de serie van de fabrikant tussen de kleinere Laguna XS 2.1 en de grotere Laguna M.1 staat. Het model verwerkt tekst en produceert tekst, code, redeneringen en verzoeken om toolaanroepen in een applicatie met gekoppelde tools.\n\nDe architectuur combineert globale en sliding-window attention over 48 lagen: 12 globale lagen en 36 sliding-window-lagen. Het sliding window van 512 tokens beschrijft lokale attention binnen die lagen, terwijl de gedocumenteerde modelcontext 1.048.576 tokens omvat. Dit zijn verschillende maten. De grotere context ondersteunt taken waarbij bronbestanden, waarnemingen en beslissingen zich over veel stappen opstapelen. Houd het werkdoel en betekenisvol bewijsmateriaal bij elkaar en reserveer binnen de gebruikte configuratie ruimte voor verdere redenering en het eindantwoord.\n\nHet model is vooral bedoeld voor softwarewerk dat volhouden, controleren en herzien vereist. Lever voor een repositorytaak het verwachte gedrag, de relevante bestanden als tekst, informatie over afhankelijkheden en de werkelijke falende uitvoer aan. Vraag om een gericht resultaat: “Achterhaal de oorzaak van deze regressie, stel een wijziging voor die de gedocumenteerde interface behoudt en benoem de controles die een oplossing onderscheiden van een niet-gerelateerde wijziging.” Geef het model in een workflow met tools het resultaat van elke uitgevoerde controle voordat het de volgende stap kiest.\n\nLever voor optimalisatiewerk metingen en een expliciet doel aan. Een voorbeeld is: “Gebruik dit profiel en geheugentoewijzingsrapport om een knelpunt te identificeren. Stel één wijziging voor, leg het verwachte effect uit en vergelijk het met de uitgangssituatie nadat dezelfde meting is herhaald.” Zo kan een prestatieclaim worden geïnspecteerd. De release van Poolside bespreekt verificatie en aanhoudende voortgang als belangrijk gedrag, maar een overtuigende uitleg alleen bewijst niet dat een herziening sneller, correct of volledig is. Bewaar de waarnemingen die het behouden of verwerpen van de wijziging onderbouwen.\n\nLaguna S 2.1 ondersteunt afwisselend denken vóór en tussen toolaanroepen. De fabrikant beveelt aan de redeneerinhoud van eerdere assistentberichten in de verdere geschiedenis te behouden; het weglaten van die blokken kan ertoe leiden dat het redeneren in vervolgstappen stopt. Bewaar het assistentantwoord, de toolaanroepinformatie en het bijbehorende toolresultaat samen. Zo kan een langere taak vanuit de werkelijke toestand doorgaan, in plaats van herhaaldelijk te reconstrueren wat al is geprobeerd.\n\nDe gedocumenteerde denkopties zijn off en max, waarbij max standaard is ingeschakeld in de door de maker beschreven configuratie. Het model bepaalt in die modus zelf het denkbudget; de release biedt geen afzonderlijke inspanningsinstellingen low, medium en high. Poolside beveelt voor agentgestuurd programmeren aan het denken in te schakelen en tussen stappen te behouden. Geef het eindresultaat en de voltooiingscriteria expliciet aan en maak onderscheid tussen een lange redeneerreeks en het voltooide resultaat. De fabrikant noemt overmatig nadenken, vooral bij wedstrijdwiskunde, als een wezenlijke beperking.\n\nTooldefinities vragen extra aandacht. Poolside meldt dat S 2.1 aanvankelijk kan terugvallen op een vertrouwde toolinterface, in plaats van nauwgezet een vergelijkbaar maar afwijkend schema te volgen. Het kan ook ongeldige JSON of JSON met onjuiste escapes produceren wanneer een toolargument een geneste array bevat. Geef de werkelijke argumentdefinities, valideer voorgestelde aanroepen en geef een precieze fout terug wanneer de aanroep niet overeenkomt. De maker beschrijft correctie via feedback in de context als een manier om sommige van deze afwijkingen op te lossen. Houd de resulterende toolwaarneming beschikbaar voor de volgende beslissing.\n\nDe fabrikant publiceert afzonderlijke BF16- en gekwantiseerde varianten en een optioneel DFlash-draftmodel. Dit zijn verschillende bestanden en servingrecepten; het geheugengebruik van een gekwantiseerd checkpoint of de prestaties van speculative decoding mogen daarom niet uit de algemene modelnaam worden afgeleid. Bereid voor gewoon tekstwerk broncode, commando-uitvoer en documentfragmenten voor als leesbare tekst. De release vermeldt dat het model geen beeldbegrip heeft; een screenshot heeft een tekstuele waarneming of een passende externe inspectiestap nodig voordat het de analyse kan ondersteunen.\n\nVraag om een eindresultaat dat het gewijzigde artefact, de belangrijke beslissingen, de waargenomen controles en eventuele onopgeloste voorwaarden benoemt. Koppel bij een codereview bevindingen aan de relevante broncode en laat zien waarom elk probleem het gedrag beïnvloedt. Maak bij een reparatie onderscheid tussen de voorgestelde patch en een patch waarvan het gedrag daadwerkelijk is gecontroleerd. Het behouden van redeneer- en toolgeschiedenis helpt het model de taak uit te werken, terwijl het eindresultaat en de vastgelegde uitkomsten aantonen wat is bereikt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 2.1 is een tekstmodel voor agentgestuurd programmeren en langdurig werk, met 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters. Het combineert een modelcontext van 1.048.576 tokens met native toolgebruik en afwisselend redeneren; behoud van eerder denkwerk helpt om effectief door te gaan over toolaanroepen heen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Poolside Laguna S 2.1 is een mixture-of-experts-taalmodel voor agentgestuurd programmeren en langdurig werk. Het heeft 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters per token, waarmee het in de serie van de fabrikant tussen de kleinere Laguna XS 2.1 en de grotere Laguna M.1 staat. Het model verwerkt tekst en produceert tekst, code, redeneringen en verzoeken om toolaanroepen in een applicatie met gekoppelde tools.
De architectuur combineert globale en sliding-window attention over 48 lagen: 12 globale lagen en 36 sliding-window-lagen. Het sliding window van 512 tokens beschrijft lokale attention binnen die lagen, terwijl de gedocumenteerde modelcontext 1.048.576 tokens omvat. Dit zijn verschillende maten. De grotere context ondersteunt taken waarbij bronbestanden, waarnemingen en beslissingen zich over veel stappen opstapelen. Houd het werkdoel en betekenisvol bewijsmateriaal bij elkaar en reserveer binnen de gebruikte configuratie ruimte voor verdere redenering en het eindantwoord.
Het model is vooral bedoeld voor softwarewerk dat volhouden, controleren en herzien vereist. Lever voor een repositorytaak het verwachte gedrag, de relevante bestanden als tekst, informatie over afhankelijkheden en de werkelijke falende uitvoer aan. Vraag om een gericht resultaat: “Achterhaal de oorzaak van deze regressie, stel een wijziging voor die de gedocumenteerde interface behoudt en benoem de controles die een oplossing onderscheiden van een niet-gerelateerde wijziging.” Geef het model in een workflow met tools het resultaat van elke uitgevoerde controle voordat het de volgende stap kiest.
Lever voor optimalisatiewerk metingen en een expliciet doel aan. Een voorbeeld is: “Gebruik dit profiel en geheugentoewijzingsrapport om een knelpunt te identificeren. Stel één wijziging voor, leg het verwachte effect uit en vergelijk het met de uitgangssituatie nadat dezelfde meting is herhaald.” Zo kan een prestatieclaim worden geïnspecteerd. De release van Poolside bespreekt verificatie en aanhoudende voortgang als belangrijk gedrag, maar een overtuigende uitleg alleen bewijst niet dat een herziening sneller, correct of volledig is. Bewaar de waarnemingen die het behouden of verwerpen van de wijziging onderbouwen.
Laguna S 2.1 ondersteunt afwisselend denken vóór en tussen toolaanroepen. De fabrikant beveelt aan de redeneerinhoud van eerdere assistentberichten in de verdere geschiedenis te behouden; het weglaten van die blokken kan ertoe leiden dat het redeneren in vervolgstappen stopt. Bewaar het assistentantwoord, de toolaanroepinformatie en het bijbehorende toolresultaat samen. Zo kan een langere taak vanuit de werkelijke toestand doorgaan, in plaats van herhaaldelijk te reconstrueren wat al is geprobeerd.
De gedocumenteerde denkopties zijn off en max, waarbij max standaard is ingeschakeld in de door de maker beschreven configuratie. Het model bepaalt in die modus zelf het denkbudget; de release biedt geen afzonderlijke inspanningsinstellingen low, medium en high. Poolside beveelt voor agentgestuurd programmeren aan het denken in te schakelen en tussen stappen te behouden. Geef het eindresultaat en de voltooiingscriteria expliciet aan en maak onderscheid tussen een lange redeneerreeks en het voltooide resultaat. De fabrikant noemt overmatig nadenken, vooral bij wedstrijdwiskunde, als een wezenlijke beperking.
Tooldefinities vragen extra aandacht. Poolside meldt dat S 2.1 aanvankelijk kan terugvallen op een vertrouwde toolinterface, in plaats van nauwgezet een vergelijkbaar maar afwijkend schema te volgen. Het kan ook ongeldige JSON of JSON met onjuiste escapes produceren wanneer een toolargument een geneste array bevat. Geef de werkelijke argumentdefinities, valideer voorgestelde aanroepen en geef een precieze fout terug wanneer de aanroep niet overeenkomt. De maker beschrijft correctie via feedback in de context als een manier om sommige van deze afwijkingen op te lossen. Houd de resulterende toolwaarneming beschikbaar voor de volgende beslissing.
De fabrikant publiceert afzonderlijke BF16- en gekwantiseerde varianten en een optioneel DFlash-draftmodel. Dit zijn verschillende bestanden en servingrecepten; het geheugengebruik van een gekwantiseerd checkpoint of de prestaties van speculative decoding mogen daarom niet uit de algemene modelnaam worden afgeleid. Bereid voor gewoon tekstwerk broncode, commando-uitvoer en documentfragmenten voor als leesbare tekst. De release vermeldt dat het model geen beeldbegrip heeft; een screenshot heeft een tekstuele waarneming of een passende externe inspectiestap nodig voordat het de analyse kan ondersteunen.
Vraag om een eindresultaat dat het gewijzigde artefact, de belangrijke beslissingen, de waargenomen controles en eventuele onopgeloste voorwaarden benoemt. Koppel bij een codereview bevindingen aan de relevante broncode en laat zien waarom elk probleem het gedrag beïnvloedt. Maak bij een reparatie onderscheid tussen de voorgestelde patch en een patch waarvan het gedrag daadwerkelijk is gecontroleerd. Het behouden van redeneer- en toolgeschiedenis helpt het model de taak uit te werken, terwijl het eindresultaat en de vastgelegde uitkomsten aantonen wat is bereikt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten poolside/laguna-s-2.1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra poolside/laguna-s-2.1
Gebruik de hierboven getoonde methodepaden.
poolside/laguna-s-2.1Poolside Laguna S 2.1 is een tekstmodel voor agentgestuurd programmeren en langdurig werk, met 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters. Het combineert een modelcontext van 1.048.576 tokens met native toolgebruik en afwisselend redeneren; behoud van eerder denkwerk helpt om effectief door te gaan over toolaanroepen heen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Poolside Laguna S 2.1 is een mixture-of-experts-taalmodel voor agentgestuurd programmeren en langdurig werk. Het heeft 118 miljard parameters in totaal en ongeveer 8 miljard actieve parameters per token, waarmee het in de serie van de fabrikant tussen de kleinere Laguna XS 2.1 en de grotere Laguna M.1 staat. Het model verwerkt tekst en produceert tekst, code, redeneringen en verzoeken om toolaanroepen in een applicatie met gekoppelde tools.
De architectuur combineert globale en sliding-window attention over 48 lagen: 12 globale lagen en 36 sliding-window-lagen. Het sliding window van 512 tokens beschrijft lokale attention binnen die lagen, terwijl de gedocumenteerde modelcontext 1.048.576 tokens omvat. Dit zijn verschillende maten. De grotere context ondersteunt taken waarbij bronbestanden, waarnemingen en beslissingen zich over veel stappen opstapelen. Houd het werkdoel en betekenisvol bewijsmateriaal bij elkaar en reserveer binnen de gebruikte configuratie ruimte voor verdere redenering en het eindantwoord.
Het model is vooral bedoeld voor softwarewerk dat volhouden, controleren en herzien vereist. Lever voor een repositorytaak het verwachte gedrag, de relevante bestanden als tekst, informatie over afhankelijkheden en de werkelijke falende uitvoer aan. Vraag om een gericht resultaat: “Achterhaal de oorzaak van deze regressie, stel een wijziging voor die de gedocumenteerde interface behoudt en benoem de controles die een oplossing onderscheiden van een niet-gerelateerde wijziging.” Geef het model in een workflow met tools het resultaat van elke uitgevoerde controle voordat het de volgende stap kiest.
Lever voor optimalisatiewerk metingen en een expliciet doel aan. Een voorbeeld is: “Gebruik dit profiel en geheugentoewijzingsrapport om een knelpunt te identificeren. Stel één wijziging voor, leg het verwachte effect uit en vergelijk het met de uitgangssituatie nadat dezelfde meting is herhaald.” Zo kan een prestatieclaim worden geïnspecteerd. De release van Poolside bespreekt verificatie en aanhoudende voortgang als belangrijk gedrag, maar een overtuigende uitleg alleen bewijst niet dat een herziening sneller, correct of volledig is. Bewaar de waarnemingen die het behouden of verwerpen van de wijziging onderbouwen.
Laguna S 2.1 ondersteunt afwisselend denken vóór en tussen toolaanroepen. De fabrikant beveelt aan de redeneerinhoud van eerdere assistentberichten in de verdere geschiedenis te behouden; het weglaten van die blokken kan ertoe leiden dat het redeneren in vervolgstappen stopt. Bewaar het assistentantwoord, de toolaanroepinformatie en het bijbehorende toolresultaat samen. Zo kan een langere taak vanuit de werkelijke toestand doorgaan, in plaats van herhaaldelijk te reconstrueren wat al is geprobeerd.
De gedocumenteerde denkopties zijn off en max, waarbij max standaard is ingeschakeld in de door de maker beschreven configuratie. Het model bepaalt in die modus zelf het denkbudget; de release biedt geen afzonderlijke inspanningsinstellingen low, medium en high. Poolside beveelt voor agentgestuurd programmeren aan het denken in te schakelen en tussen stappen te behouden. Geef het eindresultaat en de voltooiingscriteria expliciet aan en maak onderscheid tussen een lange redeneerreeks en het voltooide resultaat. De fabrikant noemt overmatig nadenken, vooral bij wedstrijdwiskunde, als een wezenlijke beperking.
Tooldefinities vragen extra aandacht. Poolside meldt dat S 2.1 aanvankelijk kan terugvallen op een vertrouwde toolinterface, in plaats van nauwgezet een vergelijkbaar maar afwijkend schema te volgen. Het kan ook ongeldige JSON of JSON met onjuiste escapes produceren wanneer een toolargument een geneste array bevat. Geef de werkelijke argumentdefinities, valideer voorgestelde aanroepen en geef een precieze fout terug wanneer de aanroep niet overeenkomt. De maker beschrijft correctie via feedback in de context als een manier om sommige van deze afwijkingen op te lossen. Houd de resulterende toolwaarneming beschikbaar voor de volgende beslissing.
De fabrikant publiceert afzonderlijke BF16- en gekwantiseerde varianten en een optioneel DFlash-draftmodel. Dit zijn verschillende bestanden en servingrecepten; het geheugengebruik van een gekwantiseerd checkpoint of de prestaties van speculative decoding mogen daarom niet uit de algemene modelnaam worden afgeleid. Bereid voor gewoon tekstwerk broncode, commando-uitvoer en documentfragmenten voor als leesbare tekst. De release vermeldt dat het model geen beeldbegrip heeft; een screenshot heeft een tekstuele waarneming of een passende externe inspectiestap nodig voordat het de analyse kan ondersteunen.
Vraag om een eindresultaat dat het gewijzigde artefact, de belangrijke beslissingen, de waargenomen controles en eventuele onopgeloste voorwaarden benoemt. Koppel bij een codereview bevindingen aan de relevante broncode en laat zien waarom elk probleem het gedrag beïnvloedt. Maak bij een reparatie onderscheid tussen de voorgestelde patch en een patch waarvan het gedrag daadwerkelijk is gecontroleerd. Het behouden van redeneer- en toolgeschiedenis helpt het model de taak uit te werken, terwijl het eindresultaat en de vastgelegde uitkomsten aantonen wat is bereikt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten poolside/laguna-s-2.1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "poolside/laguna-s-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra poolside/laguna-s-2.1
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.