Model
.ai
ওপেন AI মডেল ট্র্যাক করছি
Laguna S 2.1

Poolside | 1,048,576 token context | $0.09/M input, $0.18/M output. Laguna S 2.1 হল PoolsideOpens in new tab-এর সর্বশেষ কোডিং এজেন্ট মডেল। Laguna S 2.1 একটি 118B মোট প্যারামিটার মডেল যার মধ্যে 8B সক্রিয় প্যারামিটার রয়েছে, Terminal-Bench 2.1-এ 70.2% এবং DeepSWE-তে 40.4% স্কোর করে, যা এটিকে তার শ্রেণীর মধ্যে অন্যতম শক্তিশালী কোডিং মডেল করে তোলে। OpenMDW-1.1 লাইসেন্সের অধীনে ওপেন-ওয়েট। Laguna S 2.1 সফটওয়্যার ইঞ্জিনিয়ারিং এবং এজেন্টিক কোডিং ব্যবহারের জন্য ডিজাইন করা হয়েছে, এবং আপনি নিশ্চিত করবেন যে এটি আপনার উদ্দেশ্যপ্রণোদিত অ্যাপ্লিকেশনের জন্য উপযুক্ত। Laguna S 2.1 OpenMDW-1.1 LicenseOpens…Poolside | 1,048,576 token context | $0.09/M input, $0.18/M output. Laguna S 2.1 হল PoolsideOpens in new tab-এর সর্বশেষ কোডিং এজেন্ট মডেল। Laguna S 2.1 একটি 118B মোট প্যারামিটার মডেল যার মধ্যে 8B সক্রিয় প্যারামিটার রয়েছে, Terminal-Bench 2.1-এ 70.2% এবং DeepSWE-তে 40.4% স্কোর করে, যা এটিকে তার শ্রেণীর মধ্যে অন্যতম শক্তিশালী কোডিং মডেল করে তোলে। OpenMDW-1.1 লাইসেন্সের অধীনে ওপেন-ওয়েট। Laguna S 2.1 সফটওয়্যার ইঞ্জিনিয়ারিং এবং এজেন্টিক কোডিং ব্যবহারের জন্য ডিজাইন করা হয়েছে, এবং আপনি নিশ্চিত করবেন যে এটি আপনার উদ্দেশ্যপ্রণোদিত অ্যাপ্লিকেশনের জন্য উপযুক্ত। Laguna S 2.1 OpenMDW-1.1 LicenseOpens in new tab-এর আওতাধীন এবং Poolside-এর Acceptable Use PolicyOpens in new tab-এর সাথে সামঞ্জস্যপূর্ণভাবে ব্যবহার করা উচিত। আমরা পরামর্শ দিই না যে Laguna S 2.1 নিরাপত্তা গার্ডরেলগুলি ছাড়িয়ে যান যদি না আপনি আপনার ব্যবহারের জন্য যথাযথ সমতুল্য প্রতিকার বাস্তবায়ন করেন। দয়া করে নিরাপত্তা দুর্বলতা বা নিরাপত্তা উদ্বেগ [email protected] এ রিপোর্ট করুন। আপনি যদি Laguna S 2.1 বিনামূল্যে ব্যবহার করেন, আমরা আপনার ইনপুট এবং আউটপুট আমাদের মডেল উন্নত করতে ব্যবহার করতে পারি।

এই মডেলের গাইড
সব গাইড
Laguna S 2.1 হল Poolside-এর একটি 118B-প্যারামিটার মিক্সচার-অফ-এক্সপার্টস কোডিং মডেল, যেখানে প্রতি টোকেনে মাত্র 8B প্যারামিটার সক্রিয় থাকে। এটি এজেন্টিক সফটওয়্যার ইঞ্জিনিয়ারিং এবং দীর্ঘমেয়াদী কোডিং কাজের জন্য তৈরি, যার 1M-টোকেন কনটেক্সট উইন্ডো এবং টুল কলগুলোর মধ্যে নেটিভ রিজনিং রয়েছে। OpenMDW-1.1 লাইসেন্সের অধীনে মুক্ত ওজন থাকার কারণে এটি এমন দলগুলোর জন্য একটি গুরুতর বিকল্প যারা ফ্রন্টিয়ার-ক্লাস কোডিং এজেন্ট স্ব-হোস্ট করতে চান।

পরিচিত

  • শক্তিশালী এজেন্টিক কোডিং ফলাফল: Terminal-Bench 2.1-এ 70.2%, DeepSWE-তে 40.4%
  • বড় কোডবেস এবং দীর্ঘমেয়াদী কাজের জন্য 1,048,576-টোকেন কনটেক্সট উইন্ডো
  • টুল কলগুলোর মধ্যে নেটিভ ইন্টারলিভড রিজনিং, অনুরোধ অনুযায়ী নিয়ন্ত্রণযোগ্য
  • সম্পূর্ণ অনুমতিপ্রাপ্ত OpenMDW-1.1 লাইসেন্স: বাণিজ্যিক ব্যবহার, পরিবর্তন, অনুমতি ছাড়াই
  • কোয়ান্টাইজড ভ্যারিয়েন্টস উপলব্ধ: FP8, NVFP4, INT4 এবং GGUF নমনীয় ডিপ্লয়মেন্টের জন্য

সতর্ক থাকুন

  • BF16 ওজনের জন্য একাধিক GPU-তে প্রায় 236GB প্রয়োজন; কোয়ান্টাইজড ভ্যারিয়েন্টস এই চাপ কমায় কিন্তু কিছু ছাড় দিতে হয়।
  • ফ্রি-টিয়ার ব্যবহারে Poolside আপনার ইনপুট এবং আউটপুট মডেল ট্রেনিংয়ের জন্য ব্যবহার করতে পারে।
  • বেঞ্চমার্কগুলি Poolside দ্বারা স্ব-রিপোর্টেড; তৃতীয় পক্ষের স্কোরগুলি আলাদা চিহ্নিত এবং তুলনা মূল্যায়কের ওপর নির্ভর করে।

চেষ্টা করার প্রম্পটস

ব্যর্থ টেস্ট স্যুট ডিবাগ করুন
আমার একটি Python FastAPI সার্ভিস আছে। ইন্টিগ্রেশন টেস্টগুলো লোকালিতে পাস করে কিন্তু CI-তে POST /orders-এ 422 Unprocessable Entity ত্রুটিতে ব্যর্থ হয়। উভয় পরিবেশে রিকোয়েস্ট বডি একরকম। সবচেয়ে সম্ভাব্য কারণগুলো ব্যাখ্যা করুন, CI-তে চালানোর জন্য একটি ডায়াগনস্টিক স্ক্রিপ্ট লিখুন যা রো রিকোয়েস্ট এবং ভ্যালিডেশন ত্রুটিগুলো লগ করবে, এবং সমাধান প্রস্তাব করুন।
ফাইল জুড়ে রিফ্যাক্টর পরিকল্পনা করুন
আমাকে একটি Node.js Express অ্যাপ CommonJS require() থেকে ES মডিউল import/export সিনট্যাক্সে মাইগ্রেট করতে হবে। প্রজেক্টে প্রায় ৪০টি ফাইল আছে, Jest টেস্ট ব্যবহার করে, এবং কিছু ডায়নামিক require() কল আছে। আমাকে ধাপে ধাপে মাইগ্রেশন পরিকল্পনা দিন, স্বয়ংক্রিয়ভাবে ভাঙ্গা এজ কেসগুলো চিহ্নিত করুন, এবং মেকানিক্যাল রিনেমিংয়ের জন্য একটি শেল স্ক্রিপ্ট লিখুন।
এজেন্টিক রিপো অডিট
একজন সিনিয়র ইঞ্জিনিয়ার হিসেবে একটি পুল রিকোয়েস্ট রিভিউ করুন। এখানে একটি অথেনটিকেশন মডিউলের পরিবর্তনের ডিফ আছে যা bcrypt এর পরিবর্তে Argon2 ব্যবহার করে। সিকিউরিটি রিগ্রেশন, ভুল প্যারামিটার নির্বাচন, মিসিং এরর হ্যান্ডলিং, এবং টেস্ট গ্যাপ আছে কিনা পরীক্ষা করুন। প্রতিটি সমস্যার জন্য ফাইল ও লাইন রেফারেন্স, গুরুত্ব এবং একটি স্পষ্ট সমাধান তালিকাভুক্ত করুন।

তুলনা করুন

  • Laguna XS 2.1
    ওপেন-ওয়েটস মডেল
    262,144 টোকেন প্রসঙ্গ · $0.06/M ইনপুট, $0.12/M আউটপুট
  • GPT-6 Luna
    শুধুমাত্র API মডেল
    1,050,000 টোকেন প্রসঙ্গ · $0.10/M ইনপুট, $0.50/M আউটপুট
  • Claude Opus 5.5
    শুধুমাত্র API মডেল
    1,000,000 টোকেন প্রসঙ্গ · $4.00/M ইনপুট, $20.00/M আউটপুট
  • Muse Spark 1.3 Contributor
    শুধুমাত্র API মডেল
    1,048,576 টোকেন প্রসঙ্গ · $0.10/M ইনপুট, $0.20/M আউটপুট
poolside থেকে আরও টেক্সট মডেল

মানুষ যে প্রশ্ন করে

ওজনগুলো কি ওপেন এবং আমি কি Laguna S 2.1 লোকালি চালাতে পারি?
হ্যাঁ, ওজনগুলো Hugging Face-এ OpenMDW-1.1 লাইসেন্সের অধীনে পাওয়া যায়, যা বাণিজ্যিক ব্যবহার এবং পরিবর্তনের অনুমতি দেয় অনুমতি ছাড়াই। BF16 চেকপয়েন্ট প্রায় 236GB GPU মেমরি প্রয়োজন, তাই একাধিক GPU লাগবে; GGUF, FP8, NVFP4 এবং INT4 কোয়ান্টাইজড ভ্যারিয়েন্টসও উপলব্ধ যা এই চাহিদা কমায়।
Laguna S 2.1 এর দাম কত এবং এর কনটেক্সট উইন্ডো কত বড়?
API এর মাধ্যমে এটি প্রতি মিলিয়ন ইনপুট টোকেন $0.09 এবং প্রতি মিলিয়ন আউটপুট টোকেন $0.18, এবং 1,048,576-টোকেন কনটেক্সট উইন্ডো রয়েছে। ফ্রি টিয়ার ব্যবহার করলে Poolside আপনার ইনপুট ও আউটপুট মডেল উন্নত করতে ব্যবহার করতে পারে।
Laguna S 2.1 কিভাবে Laguna সিরিজের বাকি মডেলগুলোর থেকে আলাদা?
এটি Laguna XS 2.1 (মোট 33B, সক্রিয় 3B) এবং Laguna M.1 (মোট 225B, সক্রিয় 23B) এর মধ্যে অবস্থান করে, একই আর্কিটেকচার পরিবার ভাগ করে এবং একই ইনফারেন্স ইঞ্জিনের সাথে সামঞ্জস্যপূর্ণ: vLLM, SGLang, Transformers, TRT-LLM এবং llama.cpp।
ক্যাপ্টেনের সিদ্ধান্ত
যদি আপনার কাছে চালানোর জন্য হার্ডওয়্যার থাকে, তাহলে এটি একটি সত্যিকারের অনুমতিপ্রাপ্ত ওপেন-ওজন কোডিং এজেন্ট যা তার সক্রিয় প্যারামিটার সংখ্যার চেয়ে অনেক বেশি কার্যক্ষম।
Hugging Face এ মডেল কার্ড
ক্যাপ্টেন এই নোটস মডেলের নিজস্ব বর্ণনা এবং মডেল কার্ড থেকে লিখেছেন। দাম এবং প্রসঙ্গের আকার লেখার সময় প্রদানকারীর এবং পরিবর্তিত হতে পারে।
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai-তে Laguna S 2.1: #48 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #26 Hottest Text / LLM model · #26 Hottest Text / LLM text model
Not this creator?
Laguna S 2.1 জনপ্রিয়তার প্রবণতা
21 Jul 2026 থেকে হিট স্কোর
হিট স্কোর
9,008°
এই সপ্তাহ
▲
26.3%
8,977° তখন, 9,008° এখন
এই মাস
▲
222%
8,852° তখন, 9,008° এখন
গত বছর
n/a
এখনো প্রকাশ বা ট্র্যাক করা হয়নি
Laguna S 2.1: 21 Jul 2026 থেকে হিট স্কোর7,000°7,562°8,124°8,687°9,249°22 Jul8 Aug28 Aug15 Sep4 Oct22 Oct9,008°ModelTrends.ai
7,000°
ফ্লোর
স্কেল 0° থেকে 9,999° পর্যন্ত চলে। 7,000° এর নিচের সবকিছু সেই মডেলগুলোর জন্য রাখা হয়েছে যেগুলো সম্পর্কে কোনো উৎস এখনো তথ্য দেয়নি, যারা সেখানে একটি স্ট্যান্ড-ইন নম্বর বহন করে যাতে তালিকাগুলো সম্পূর্ণ থাকে। 7,000° হল যেখানে পরিমাপকৃত তথ্য শুরু হয়: বাস্তব তথ্য সহ কিন্তু প্রায় কোনো ডাউনলোড নেই এমন মডেল ফ্লোরে থাকে, এবং পরিমাপগুলো তার উপরে ডিগ্রি পূরণ করে। ফ্লোর মডেল সম্পর্কে কিছু বলে না; শুধুমাত্র তার উপরের ডিগ্রিগুলো বলে, আর সেগুলোই এক মডেলকে অন্য থেকে আলাদা করে।
+1,695°
OpenRouter টোকেন
এই মডেলটি শেষ ৩০ দিনে OpenRouter এর মাধ্যমে 4,469,209,626,464 টোকেন প্রক্রিয়াজাত করেছে, প্রম্পট এবং উত্তর মিলিয়ে। প্রতি 10,000,000 টোকেনকে ডাউনলোড হিসেবে গণ্য করা হয়, মোট 446,920; শেষ দিনের টোকেন গ্রহণের হারে যোগ হয়। উৎস: OpenRouter (openrouter.ai/rankings)।
+313°
গ্রহণের হার
প্রায় 14,717 ডাউনলোড প্রতিদিন, উৎসের দুইটি রিডিংয়ের মধ্যে মাপা, জীবনকাল গড় থেকে অনুমান নয়। গতি ডাউনলোড টার্মের এক চতুর্থাংশ ওজন রাখে, তাই নতুন স্ফুরণ দেখায় কিন্তু এক দিনের স্পাইক বছরের ব্যবহারের থেকে উপরে রাখে না।
বিস্তারিত বিশ্লেষণ দেখাও
এই সাইটের প্রতিটি নম্বর যাচাই করা যায়। এই মডেলের হিট স্কোর 9,008°, এবং এখানে এটি এক এক উপাদান যোগ করে তৈরি হয়েছে, প্রতিটি যোগের পর মোট স্কোর দেখানো হয়েছে: ফ্লোর, প্রতিটি উৎস কত ডিগ্রি যোগ করে, মডেলের ধরনের জন্য বোনাস এবং ওজনের বয়স যা কমিয়ে দেয়। রঙগুলো উপরের চার্টের ব্যান্ড। শেষে গ্লসারি প্রতিটি শব্দের অর্থ ব্যাখ্যা করে।
  1. 1
    ফ্লোর থেকে শুরু করো।
    কেন 7,000° এবং শূন্য নয়: স্কেল 0° থেকে 9,999° পর্যন্ত চলে, এবং 7,000° এর নিচের অংশ সেই মডেলগুলোর জন্য সংরক্ষিত যেগুলো সম্পর্কে কোনো উৎস এখনো তথ্য দেয়নি, যারা সেখানে একটি স্ট্যান্ড-ইন নম্বর বহন করে যাতে তালিকাগুলো সম্পূর্ণ থাকে এবং তথ্যসহ মডেলের থেকে কখনো উপরে না উঠে। 7,000° হল যেখানে পরিমাপকৃত তথ্য শুরু হয়। বাস্তব তথ্য সহ কিন্তু প্রায় কোনো ডাউনলোড নেই এমন মডেল এখানে থাকে; পরবর্তী সবকিছু পরিমাপ, এবং ফ্লোরের উপরে দশটি দশগুণ ধাপ ডাউনলোডে থাকে, প্রতিটি 300°। ফ্লোর সব মডেলের জন্য একই, তাই এটি কিছু নির্ধারণ করে না; তার উপরের ডিগ্রিগুলো নির্ধারণ করে।
    7,000°
    চলমান মোট
  2. 2
    ডাউনলোড যোগ করুন।
    মোট 446,920 ডাউনলোড-সমতুল্য, OpenRouter টোকেন থেকে। ডাউনলোড দশ গুণ বাড়ালে একই 300° যোগ হয়, তাই সাইজ গুরুত্বপূর্ণ কিন্তু কখনো স্কোর ছাড়িয়ে যায় না।
    +1,695°
    8,695°
    চলমান মোট
  3. 3
    গ্রহণের হার যোগ করো।
    এখন প্রায় 14,717 ডাউনলোড প্রতিদিন, দুই রিডিংয়ের মধ্যে মাপা হয়েছে, ওজনের এক চতুর্থাংশ।
    +313°
    9,008°
    চলমান মোট
  4. =
    হিট স্কোর।
    এই মডেল সাইটের প্রতিটি তালিকায় কোথায় আছে। আর কিছুই এটা পরিবর্তন করে না।
    9,008°
শব্দকোষ: এখানে ব্যবহৃত শব্দগুলো
হিট স্কোর
একটি সংখ্যা যা দেখায় মডেলটি এখন কতটা ব্যবহৃত এবং চাওয়া হচ্ছে, 0° থেকে 9,999° পর্যন্ত। এই সাইটের প্রতিটি তালিকা যা hottest বলে সেটি এই স্কোর অনুযায়ী সাজানো হয়, আর কিছু নয়।
ফ্লোর
প্রতিটি মডেল যার কাছে আসল ডেটা আছে তার জন্য 7,000° থেকে শুরু। স্কেল 0° থেকে 9,999° পর্যন্ত; ফ্লোরের নিচের অংশ স্ট্যান্ড-ইন (ডেটা ছাড়া মডেল) এর জন্য রাখা হয়েছে, যাতে ডেটা থাকা মডেল সবসময় ডেটা ছাড়া মডেলের উপরে থাকে। ফ্লোর সবার জন্য একই এবং কিছু নির্ধারণ করে না; এর উপরের ডিগ্রি গুলোই মাপ।
ডাউনলোড-সমতুল্য
যা কিছু স্কোর ডাউনলোড হিসেবে গণনা করে, সব যোগ করা হয়েছে: ডাউনলোড নিজেই, প্রতিটি টরেন্ট সিডার 1,000 হিসেবে, প্রতিটি AI Horde ছবি এবং প্রতিটি জেনারেশন সাইটে রান এক হিসেবে।
লগ স্কেল
দশের ভিত্তিতে গণনা, একের ভিত্তিতে নয়: 1,000 থেকে 10,000 ডাউনলোডে যাওয়া একই ডিগ্রি যোগ করে যেমন 10,000 থেকে 100,000 এ যাওয়া। এটা বড় মডেলগুলোকে সবকিছু ছাপিয়ে যাওয়া থেকে রোধ করে।
লাইক
প্রতিটি উৎস থেকে থাম্বস আপ এবং লাইক, লগ স্কেলে প্রতিটি ডাউনলোডের অর্ধেক মূল্যমান।
গ্রহণের হার
একটি মডেল এখন প্রতিদিন কত ডাউনলোড পাচ্ছে, একটি উৎসের দুই রিডিংয়ের পার্থক্য থেকে। ডাউনলোড টার্মের এক চতুর্থাংশ ওজন।
পরিমাপ করা এবং অনুমান করা
পরিমাপ করা মানে একটি উৎসের দুটি রিডিং আছে এবং তার মধ্যে পার্থক্য সত্য। অনুমান করা মানে শুধু আজকের মোট জানা আছে এবং অতীত মডেলের জীবনের উপর ছড়িয়ে দেওয়া হয়েছে; সাইট বলে কোনটি দেখাচ্ছে।
সিডার
যে কেউ ওজনের একটি কপি অনলাইনে রাখে অন্যদের টরেন্টের মাধ্যমে ডাউনলোড করার জন্য, অথবা একটি হোস্ট করা মিরর যা একই কাজ করে। প্রতিটি 1,000 ডাউনলোড হিসাবে গণনা হয়।
AI হোর্ড
একটি স্বেচ্ছাসেবক নেটওয়ার্ক যা দানকৃত কম্পিউটারে বিনামূল্যে ছবি তৈরি করে। একটি মডেলের সাথে এটি যত ছবি তৈরি করেছে তা প্রকাশ্য, এবং প্রতিটি একটি ডাউনলোড হিসাবে গণ্য হয়।
জেনারেশন সাইটসমূহ
সাইটগুলো যারা তাদের নিজস্ব মডেলের কপি হোস্ট করে এবং মানুষকে সেটি দিয়ে ছবি তৈরি করতে দেয়, যেমন PixAI, SeaArt এবং Yodayo। তাদের ডাউনলোড Civitai এর মতো গণনা হয় এবং প্রতিটি জেনারেশন রান একটি ডাউনলোড হিসাবে গণ্য হয়।
OpenRouter টোকেন
Claude বা GPT এর মতো API এর মাধ্যমে পরিবেশিত একটি টেক্সট মডেলের ওজন ডাউনলোড করার কিছু থাকে না, তাই এর ব্যবহার টোকেনে পরিমাপ করা হয়: OpenRouter এর মাধ্যমে এটি পড়া এবং লেখা টেক্সটের অংশ, যা অনেক অ্যাপ ব্যবহার করে, গত ৩০ দিনে। প্রতি 10,000,000 টোকেনকে একটি ডাউনলোড হিসেবে গণ্য করা হয়। উৎস: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
পূর্ণ মডেল (চেকপয়েন্ট)
ওজনগুলো নিজেই, সেই ফাইল যা নিজে থেকে জেনারেট করে। এটি একটি বোনাস পায় কারণ অ্যাড-অনগুলো এর উপর নির্ভর করে।
LoRA এবং এমবেডিং
ছোট অ্যাড-অন ফাইল যা অন্য কারো ওজনকে একটি স্টাইল, চরিত্র বা ধারণার দিকে পরিচালিত করে। এগুলো একা চালানো যায় না।
পরিবার এবং ওজন
যে বেসের উপর একটি মডেল তৈরি হয়, যেমন SD 1.5, SDXL, Flux বা Wan। প্রতিটি মডেল তার পরিবারের ওজনের রিলিজ তারিখ উত্তরাধিকার সূত্রে পায়।
বয়স
পরিবারের ওজন কতদিন আগে বের হয়েছে তার জন্য ডিগ্রি কমানো হয়: বছরে ১৫০°, সর্বোচ্চ ৭৫০° পর্যন্ত। এটি পুরানো ডাউনলোডগুলো ধরে রাখে যেগুলো বছরের পর বছর জমা হয়েছে তালিকার শীর্ষ থেকে ফ্রিজ করে।
পরিবার বুস্ট
একটি ছোট, সীমাবদ্ধ ধাক্কা LoRA গুলোর জন্য যেগুলো এই সাইট এখন এগিয়ে দিচ্ছে, সবসময় ব্রেকডাউনে তালিকাভুক্ত থাকে।
স্ট্যান্ড-ইন স্কোর
একটি স্থিতিশীল সংখ্যা যা একটি মডেলের জন্য দেওয়া হয় যার কোন উৎস এখনও রিপোর্ট করেনি, যাতে তালিকা সম্পূর্ণ থাকে। এটি কখনোই ডেটা সহ মডেলের উপরে স্থান পায় না।
নতুন! (গ্রেস পিরিয়ড)
7 দিনের কম বয়সী একটি মডেল স্কোরের পরিবর্তে নতুন! দেখায় এবং র‌্যাঙ্কিংয়ে স্থান পায় না। এর স্কোর প্রথম দিন থেকে গণনা হয়, কিন্তু একদিন বয়সী মডেল দ্রুত বৃদ্ধি পায়, তাই অপেক্ষা না করলে সপ্তাহের #1 সবসময় গতকালের নতুন মডেল হতো, সপ্তাহ ধরে টিকে থাকা মডেলের পরিবর্তে।
ট্রেন্ড
একটি মডেলের বৃদ্ধি একটি নির্দিষ্ট সময়ে কেমন হয়েছে তা একই সময়ের মধ্যে সাধারণ মডেলের বৃদ্ধির সাথে তুলনা করে। সাধারণের চেয়ে দ্রুত হলে তা বৃদ্ধি, ধীর হলে পতন হিসেবে পড়ে।
সাধারণ মডেল
ক্যাটালগের মাঝামাঝি: অর্ধেক মডেল একটি সংখ্যার সাথে সময়কালে দ্রুত বৃদ্ধি পেয়েছে, অর্ধেক ধীর।
এই মডেলের জনপ্রিয়তা ক্যাটালগের বাকি অংশের তুলনায় কেমন পরিবর্তিত হয়েছে: প্রতিটি সময়কালে ডাউনলোড, লাইক এবং ব্যবহারের বৃদ্ধি, একই সময়কালের জন্য সাধারণ মডেলের বৃদ্ধির সাথে তুলনা করে, এবং সেই সময়ের হিট স্কোর। সাধারণ বৃদ্ধির উপরে থাকলে তা বৃদ্ধি, নিচে থাকলে পতন বোঝায়। অতীত আজকের মোট থেকে পুনর্গঠিত, মডেলের প্রথম দিন এবং যেখানে দুইটি রিডিং আছে সেখানে ডাউনলোডের গতি মাপা হয়েছে; একটি মডেল যা সময়কালের শুরুতে ছিল না তা n/a দেখায়।