Laguna S 2.1
9008°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
Poolside | 1,048,576 टोकन संदर्भ | $0.09/M इनपुट, $0.18/M आउटपुट। Laguna S 2.1 Poolside का नवीनतम कोडिंग एजेंट मॉडल है। Laguna S 2.1 एक 118B कुल पैरामीटर मॉडल है जिसमें 8B सक्रिय पैरामीटर हैं, जिसने Terminal-Bench 2.1 पर 70.2% और DeepSWE पर 40.4% स्कोर किया है, जिससे यह अपनी श्रेणी में सबसे मजबूत कोडिंग मॉडलों में से एक बनता है। OpenMDW-1.1 लाइसेंस के तहत ओपन-वेट। Laguna S 2.1 सॉफ़्टवेयर इंजीनियरिंग और एजेंटिक कोडिंग उपयोग मामलों के लिए डिज़ाइन किया गया है, और आप यह सुनिश्चित करने के लिए जिम्मेदार हैं कि यह आपके इच्छित अनुप्रयोग के लिए उपयुक्त है। Laguna S 2.1 OpenMDW-1.1 LicenseOpens in new…Poolside | 1,048,576 टोकन संदर्भ | $0.09/M इनपुट, $0.18/M आउटपुट। Laguna S 2.1 Poolside का नवीनतम कोडिंग एजेंट मॉडल है। Laguna S 2.1 एक 118B कुल पैरामीटर मॉडल है जिसमें 8B सक्रिय पैरामीटर हैं, जिसने Terminal-Bench 2.1 पर 70.2% और DeepSWE पर 40.4% स्कोर किया है, जिससे यह अपनी श्रेणी में सबसे मजबूत कोडिंग मॉडलों में से एक बनता है। OpenMDW-1.1 लाइसेंस के तहत ओपन-वेट। Laguna S 2.1 सॉफ़्टवेयर इंजीनियरिंग और एजेंटिक कोडिंग उपयोग मामलों के लिए डिज़ाइन किया गया है, और आप यह सुनिश्चित करने के लिए जिम्मेदार हैं कि यह आपके इच्छित अनुप्रयोग के लिए उपयुक्त है। Laguna S 2.1 OpenMDW-1.1 LicenseOpens in new tab के अधीन है, और इसे Poolside की Acceptable Use PolicyOpens in new tab के अनुरूप उपयोग किया जाना चाहिए। हम सलाह देते हैं कि Laguna S 2.1 सुरक्षा गार्डरेल्स को बिना आपके उपयोग मामले के लिए उपयुक्त समतुल्य निवारण लागू किए हुए दरकिनार न करें। कृपया सुरक्षा कमजोरियों या सुरक्षा चिंताओं की रिपोर्ट [email protected] पर करें। यदि आप Laguna S 2.1 का मुफ्त में उपयोग कर रहे हैं, तो हम आपके इनपुट और आउटपुट का उपयोग अपने मॉडलों को प्रशिक्षित और बेहतर बनाने के लिए कर सकते हैं।
इस मॉडल के लिए गाइड
उपयोग के अनुसार सर्वश्रेष्ठ स्थानीय LLM (अक्टूबर 2026): हर काम के लिए सही खुला मॉडल
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
Ollama कैसे इंस्टॉल करें और लोकल AI चलाएं (Windows, Mac, Linux)
कैप्टन के नोट्स
2026-10-13 के नोट्स
Laguna S 2.1 Poolside का 118B-पैरामीटर वाला Mixture-of-Experts कोडिंग मॉडल है, जिसमें प्रति टोकन केवल 8B पैरामीटर सक्रिय होते हैं। यह एजेंटिक सॉफ्टवेयर इंजीनियरिंग और लंबी अवधि के कोडिंग कार्यों के लिए बनाया गया है, जिसमें 1M-टोकन का संदर्भ विंडो और टूल कॉल्स के बीच मूलभूत तर्क शामिल है। OpenMDW-1.1 लाइसेंस के तहत खुले वज़न इसे उन टीमों के लिए एक गंभीर विकल्प बनाते हैं जो फ्रंटियर-क्लास कोडिंग एजेंट को स्वयं होस्ट करना चाहते हैं।
के लिए जाना जाता है
- मजबूत एजेंटिक कोडिंग परिणाम: Terminal-Bench 2.1 पर 70.2%, DeepSWE पर 40.4%
- 1,048,576-टोकन संदर्भ विंडो बड़े कोडबेस और लंबी अवधि के कार्यों के लिए
- टूल कॉल्स के बीच मूलभूत इंटरलीव्ड तर्क, अनुरोध के अनुसार नियंत्रित
- पूरी तरह से अनुमति देने वाला OpenMDW-1.1 लाइसेंस: व्यावसायिक उपयोग, संशोधन, बिना अनुमति के
- क्वांटाइज़्ड वेरिएंट उपलब्ध: FP8, NVFP4, INT4 और GGUF लचीले तैनाती के लिए
सावधान रहें
- BF16 वज़न को कई GPUs पर लगभग 236GB की आवश्यकता होती है; क्वांटाइज़्ड वेरिएंट इसे कम करते हैं लेकिन कुछ समझौते जोड़ते हैं।
- फ्री-टियर उपयोग Poolside को आपके इनपुट और आउटपुट मॉडल प्रशिक्षण के लिए उपयोग करने की अनुमति देता है।
- बेंचमार्क Poolside द्वारा स्वयं रिपोर्ट किए गए हैं; तृतीय-पक्ष स्कोर को चिह्नित किया गया है और तुलना मूल्यांकनकर्ता के अनुसार भिन्न होती है।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
फेल हो रहे टेस्ट सूट का डिबग करें
मेरे पास एक Python FastAPI सेवा है। इंटीग्रेशन टेस्ट स्थानीय रूप से पास होते हैं लेकिन CI में POST /orders पर 422 Unprocessable Entity के साथ फेल होते हैं। दोनों वातावरणों में अनुरोध बॉडी समान है। सबसे संभावित कारणों से गुजरें, एक डायग्नोस्टिक स्क्रिप्ट लिखें जिसे मैं CI में चला सकूं ताकि कच्चे अनुरोध और सत्यापन त्रुटियों को लॉग किया जा सके, और सुधार सुझाएं।
फाइलों में रिफैक्टर की योजना बनाएं
मुझे एक Node.js Express ऐप को CommonJS require() से ES मॉड्यूल import/export सिंटैक्स में माइग्रेट करना है। प्रोजेक्ट में लगभग 40 फाइलें हैं, Jest टेस्ट के लिए उपयोग होता है, और कुछ डायनामिक require() कॉल्स हैं। मुझे चरण-दर-चरण माइग्रेशन योजना दें, स्वचालित रूप से टूटने वाले एज केस को चिन्हित करें, और मैकेनिकल रीनामिंग के लिए एक शेल स्क्रिप्ट लिखें।
एजेंटिक रिपो ऑडिट
वरिष्ठ इंजीनियर के रूप में एक पुल रिक्वेस्ट की समीक्षा करें। यह एक ऑथेंटिकेशन मॉड्यूल में बदलाव का डिफ है जो bcrypt को Argon2 से बदलता है। सुरक्षा रिग्रेशन, गलत पैरामीटर चयन, त्रुटि हैंडलिंग की कमी, और टेस्ट गैप्स की जांच करें। प्रत्येक मुद्दे को फाइल और लाइन संदर्भ, गंभीरता, और ठोस सुधार के साथ सूचीबद्ध करें।
की तुलना करें
- Laguna XS 2.1ओपन-वेट्स मॉडल262,144 टोकन संदर्भ · $0.06/M इनपुट, $0.12/M आउटपुट
- GPT-6 Lunaकेवल API मॉडल1,050,000 टोकन संदर्भ · $0.10/M इनपुट, $0.50/M आउटपुट
- Claude Opus 5.5केवल API मॉडल1,000,000 टोकन संदर्भ · $4.00/M इनपुट, $20.00/M आउटपुट
- Muse Spark 1.3 Contributorकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.10/M इनपुट, $0.20/M आउटपुट
poolside से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या वज़न खुले हैं और क्या मैं Laguna S 2.1 को स्थानीय रूप से चला सकता हूँ?
- हाँ, वज़न Hugging Face पर OpenMDW-1.1 लाइसेंस के तहत उपलब्ध हैं, जो व्यावसायिक उपयोग और संशोधन की अनुमति देता है बिना अनुमति मांगे। BF16 चेकपॉइंट को लगभग 236GB GPU मेमोरी की आवश्यकता होती है, इसलिए आपको कई GPUs की जरूरत होगी; GGUF, FP8, NVFP4 और INT4 क्वांटाइज़्ड वेरिएंट भी उपलब्ध हैं जो इस आवश्यकता को कम करते हैं।
- Laguna S 2.1 की कीमत क्या है और इसका संदर्भ विंडो कितना बड़ा है?
- API के माध्यम से यह $0.09 प्रति मिलियन इनपुट टोकन और $0.18 प्रति मिलियन आउटपुट टोकन है, जिसमें 1,048,576-टोकन संदर्भ विंडो है। यदि आप फ्री टियर का उपयोग करते हैं, तो Poolside आपके इनपुट और आउटपुट का उपयोग मॉडल सुधार के लिए कर सकता है।
- Laguna S 2.1 बाकी Laguna श्रृंखला से कैसे तुलना करता है?
- यह Laguna XS 2.1 (कुल 33B, सक्रिय 3B) और Laguna M.1 (कुल 225B, सक्रिय 23B) के बीच स्थित है, समान आर्किटेक्चर परिवार साझा करता है और समान इन्फरेंस इंजन के साथ संगत है: vLLM, SGLang, Transformers, TRT-LLM और llama.cpp।
कैप्टन का निर्णयएक वास्तव में अनुमति देने वाला खुला-वज़न कोडिंग एजेंट जो अपने सक्रिय पैरामीटर संख्या से कहीं बेहतर प्रदर्शन करता है, बशर्ते आपके पास इसे चलाने के लिए हार्डवेयर हो।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
Ranking badge
Updated Oct 22, 2026
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?
Get your own badge
Laguna S 2.1 लोकप्रियता रुझान
21 Jul 2026 से हीट स्कोर
हीट स्कोर
9,008°
इस सप्ताह
▲
26.3%
8,977° तब, 9,008° अब
इस महीने
▲
222%
8,852° तब, 9,008° अब
पिछला साल
n/a
अभी जारी/ट्रैक नहीं हुआ
7,000°
फर्श
स्केल 0° से 9,999° तक चलता है। 7,000° से नीचे सब उन मॉडलों के लिए रखा गया है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है: एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह फर्श पर बैठता है, और माप ऊपर के डिग्री भरते हैं। फर्श मॉडल के बारे में कुछ नहीं कहता; केवल ऊपर के डिग्री कहते हैं, और वही एक मॉडल को दूसरे से अलग करते हैं।
+1,695°
OpenRouter टोकन
पिछले 30 दिनों में इस मॉडल ने OpenRouter के माध्यम से 4,469,209,626,464 टोकन संसाधित किए, प्रॉम्प्ट और उत्तर दोनों मिलाकर। हर 10,000,000 टोकन डाउनलोड अवधि में एक डाउनलोड के रूप में गिने जाते हैं, कुल 446,920; अंतिम दिन के टोकन अपनाने की दर में शामिल होते हैं। स्रोत: OpenRouter (openrouter.ai/rankings)।
+313°
अपनाने की दर
लगभग 14,717 डाउनलोड प्रति दिन, स्रोतों के दो रीडिंग के बीच मापा गया, कभी भी जीवनकाल औसत से अनुमानित नहीं। स्पीड डाउनलोड टर्म का एक चौथाई वजन रखती है, इसलिए एक ताजा उछाल दिखता है बिना एक दिन के स्पाइक को वर्षों के उपयोग से ऊपर रखे।
विस्तृत विवरण दिखाओ
इस साइट पर हर नंबर की जांच की जा सकती है। इस मॉडल का हीट स्कोर 9,008° है, और इसे एक-एक घटक के हिसाब से बनाया गया है, हर एक के बाद कुल योग के साथ: फर्श, हर स्रोत द्वारा जोड़े गए डिग्री, मॉडल के प्रकार के लिए बोनस और इसके वज़न की उम्र जो घटाती है। रंग ऊपर के चार्ट के बैंड हैं। अंत में शब्दावली हर शब्द को परिभाषित करती है।
- 1फर्श से शुरू करें।क्यों 7,000° और शून्य नहीं: स्केल 0° से 9,999° तक चलता है, और 7,000° से नीचे का हिस्सा उन मॉडलों के लिए आरक्षित है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें और कभी भी डेटा वाले मॉडल से ऊपर न रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है। एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह यहाँ बैठता है; इसके बाद सब माप है, और फर्श के ऊपर जगह में दस दस गुना कदम होते हैं, हर एक 300° के। फर्श हर मॉडल के लिए एक जैसा है, इसलिए यह कुछ तय नहीं करता; ऊपर के डिग्री तय करते हैं।7,000°चल रहा कुल
- 2डाउनलोड जोड़ें।कुल 446,920 डाउनलोड-बराबर, OpenRouter टोकन से। दस गुना डाउनलोड से वही 300° बढ़ता है, इसलिए साइज मायने रखता है लेकिन स्कोर को कभी भी ज्यादा नहीं बढ़ाता।+1,695°8,695°चल रहा कुल
- 3अपनाने की दर जोड़ो।अभी लगभग 14,717 डाउनलोड रोज़ाना, दो माप के बीच मापा गया, जो वजन का एक चौथाई है।+313°9,008°चल रहा कुल
- =हीट स्कोर।इस मॉडल का इस साइट की हर सूची में स्थान। इसे कुछ और नहीं बदलता।9,008°
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
इस मॉडल की लोकप्रियता कैटलॉग के बाकी हिस्सों के मुकाबले कैसे बढ़ी है: हर अवधि में डाउनलोड, लाइक और उपयोग में इसका विकास, उसी अवधि में सामान्य मॉडल के विकास के मुकाबले मापा गया, और उस समय इसका हीट स्कोर। सामान्य विकास से ऊपर बढ़ोतरी दिखाती है, नीचे गिरावट। अतीत को आज के टोटल, मॉडल के पहले दिन और मापा गया डाउनलोड स्पीड से फिर से बनाया गया है जब दो रीडिंग्स मौजूद हों; अगर मॉडल उस अवधि की शुरुआत में मौजूद नहीं था तो n/a दिखता है।
Laguna S 2.1 Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153