Apakah bobotnya terbuka dan bisakah saya menjalankan Laguna S 2.1 secara lokal?

Ya, bobot tersedia di Hugging Face di bawah lisensi OpenMDW-1.1, yang mengizinkan penggunaan komersial dan modifikasi tanpa perlu izin. Checkpoint BF16 membutuhkan sekitar 236GB memori GPU, jadi Anda memerlukan beberapa GPU; varian terkuantisasi GGUF, FP8, NVFP4, dan INT4 juga tersedia untuk mengurangi kebutuhan tersebut.

Berapa biaya Laguna S 2.1 dan berapa besar jendela konteksnya?

Melalui API harganya $0,09 per juta token input dan $0,18 per juta token output, dengan jendela konteks 1.048.576 token. Jika menggunakan tingkat gratis, Poolside dapat menggunakan input dan output Anda untuk meningkatkan model.

Bagaimana perbandingan Laguna S 2.1 dengan seri Laguna lainnya?

Model ini berada di antara Laguna XS 2.1 (33 miliar total, 3 miliar aktif) dan Laguna M.1 (225 miliar total, 23 miliar aktif), berbagi keluarga arsitektur yang sama dan kompatibel dengan mesin inferensi yang sama: vLLM, SGLang, Transformers, TRT-LLM, dan llama.cpp.

▲

26.3%

minggu ini

Laguna S 2.1

9008°

#llm #poolside #penalaran #pemrograman #agen #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Poolside | konteks 1.048.576 token | $0.09/M input, $0.18/M output. Laguna S 2.1 adalah model agen coding terbaru dari PoolsideOpens in new tab. Laguna S 2.1 adalah model dengan total 118B parameter dan 8B parameter aktif, meraih skor 70.2% pada Terminal-Bench 2.1 dan 40.4% pada DeepSWE, menjadikannya salah satu model coding terkuat di kategorinya. Open-weight di bawah lisensi OpenMDW-1.1. Laguna S 2.1 dirancang untuk kasus penggunaan rekayasa perangkat lunak dan coding agentik, dan Anda bertanggung jawab untuk memastikan bahwa model ini sesuai untuk aplikasi yang Anda maksudkan. Laguna S 2.1…Poolside | konteks 1.048.576 token | $0.09/M input, $0.18/M output. Laguna S 2.1 adalah model agen coding terbaru dari PoolsideOpens in new tab. Laguna S 2.1 adalah model dengan total 118B parameter dan 8B parameter aktif, meraih skor 70.2% pada Terminal-Bench 2.1 dan 40.4% pada DeepSWE, menjadikannya salah satu model coding terkuat di kategorinya. Open-weight di bawah lisensi OpenMDW-1.1. Laguna S 2.1 dirancang untuk kasus penggunaan rekayasa perangkat lunak dan coding agentik, dan Anda bertanggung jawab untuk memastikan bahwa model ini sesuai untuk aplikasi yang Anda maksudkan. Laguna S 2.1 tunduk pada Lisensi OpenMDW-1.1Opens in new tab, dan harus digunakan sesuai dengan Kebijakan Penggunaan yang Dapat Diterima PoolsideOpens in new tab. Kami menyarankan untuk tidak mengakali pengaman Laguna S 2.1 tanpa menerapkan mitigasi yang setara secara substansial yang sesuai untuk kasus penggunaan Anda. Harap laporkan kerentanan keamanan atau kekhawatiran keselamatan ke [email protected]. Jika Anda menggunakan Laguna S 2.1 secara gratis, kami mungkin menggunakan input dan output Anda untuk melatih dan meningkatkan model kami.

Panduan untuk model ini

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Cara Menginstal Ollama dan Menjalankan AI Lokal (Windows, Mac, Linux)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Laguna S 2.1 adalah model Mixture-of-Experts untuk pemrograman dengan 118 miliar parameter dari Poolside, dengan hanya 8 miliar parameter aktif per token. Model ini dirancang untuk rekayasa perangkat lunak agentik dan tugas pemrograman jangka panjang, dengan jendela konteks 1 juta token dan penalaran asli antar panggilan alat. Bobot terbuka di bawah lisensi OpenMDW-1.1 yang permisif menjadikannya pilihan serius bagi tim yang ingin meng-host agen pemrograman kelas depan secara mandiri.

Dikenal untuk

Hasil pemrograman agentik yang kuat: 70,2% di Terminal-Bench 2.1, 40,4% di DeepSWE
Jendela konteks 1.048.576 token untuk basis kode besar dan tugas jangka panjang
Penalaran berseling asli antar panggilan alat, dapat dikontrol per permintaan
Lisensi OpenMDW-1.1 yang sepenuhnya permisif: penggunaan komersial, modifikasi, tanpa perlu izin
Varian terkuantisasi tersedia: FP8, NVFP4, INT4, dan GGUF untuk penyebaran yang fleksibel

Waspadai

Bobot BF16 membutuhkan sekitar 236GB di beberapa GPU; varian terkuantisasi mengurangi ini tetapi menambah kompromi.
Penggunaan tingkat gratis memungkinkan Poolside menggunakan input dan output Anda untuk pelatihan model.
Benchmark dilaporkan sendiri oleh Poolside; skor pihak ketiga ditandai demikian dan perbandingan bervariasi menurut evaluator.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Debug suite tes yang gagal

Saya memiliki layanan Python FastAPI. Tes integrasi berhasil secara lokal tetapi gagal di CI dengan 422 Unprocessable Entity pada POST /orders. Isi permintaan identik di kedua lingkungan. Jelaskan kemungkinan penyebab utama, tulis skrip diagnostik yang bisa saya jalankan di CI untuk mencatat permintaan mentah dan kesalahan validasi, serta sarankan perbaikan.

Rencanakan refaktor lintas file

Saya perlu memigrasi aplikasi Node.js Express dari sintaks require() CommonJS ke sintaks import/export modul ES. Proyek memiliki sekitar 40 file, menggunakan Jest untuk tes, dan ada beberapa panggilan require() dinamis. Berikan rencana migrasi langkah demi langkah, tandai kasus tepi yang otomatis gagal, dan tulis skrip shell untuk menangani penggantian nama mekanis.

Audit repo agentik

Bertindaklah sebagai insinyur senior yang meninjau pull request. Berikut adalah diff perubahan modul otentikasi yang mengganti bcrypt dengan Argon2. Periksa regresi keamanan, pilihan parameter yang salah, penanganan kesalahan yang hilang, dan celah tes. Daftar setiap masalah dengan referensi file dan baris, tingkat keparahan, dan perbaikan konkret.

Bandingkan dengan

Laguna XS 2.1
Model dengan bobot terbuka
konteks 262,144 token · $0.06/M input, $0.12/M output
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
Claude Opus 5.5
Model hanya API
konteks 1,000,000 token · $4.00/M input, $20.00/M output
Muse Spark 1.3 Contributor
Model hanya API
konteks 1,048,576 token · $0.10/M input, $0.20/M output

Model teks lain dari poolside

Pertanyaan yang sering diajukan

Apakah bobotnya terbuka dan bisakah saya menjalankan Laguna S 2.1 secara lokal?: Ya, bobot tersedia di Hugging Face di bawah lisensi OpenMDW-1.1, yang mengizinkan penggunaan komersial dan modifikasi tanpa perlu izin. Checkpoint BF16 membutuhkan sekitar 236GB memori GPU, jadi Anda memerlukan beberapa GPU; varian terkuantisasi GGUF, FP8, NVFP4, dan INT4 juga tersedia untuk mengurangi kebutuhan tersebut.
Berapa biaya Laguna S 2.1 dan berapa besar jendela konteksnya?: Melalui API harganya $0,09 per juta token input dan $0,18 per juta token output, dengan jendela konteks 1.048.576 token. Jika menggunakan tingkat gratis, Poolside dapat menggunakan input dan output Anda untuk meningkatkan model.
Bagaimana perbandingan Laguna S 2.1 dengan seri Laguna lainnya?: Model ini berada di antara Laguna XS 2.1 (33 miliar total, 3 miliar aktif) dan Laguna M.1 (225 miliar total, 23 miliar aktif), berbagi keluarga arsitektur yang sama dan kompatibel dengan mesin inferensi yang sama: vLLM, SGLang, Transformers, TRT-LLM, dan llama.cpp.

Putusan Kapten
Agen pemrograman dengan bobot terbuka yang benar-benar permisif dan performa melebihi jumlah parameter aktifnya, asalkan Anda memiliki perangkat keras untuk menjalankannya.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Also ranked: #26 Hottest Text / LLM model · #26 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas Laguna S 2.1

Skor panas sejak 21 Jul 2026

Skor panas

9,008°

Minggu ini

▲

26.3%

8,977° dulu, 9,008° sekarang

Bulan ini

▲

222%

8,853° dulu, 9,008° sekarang

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,695°

Token OpenRouter

4,469,209,626,464 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 446,920; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+313°

Tingkat adopsi

Sekitar 14,717 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 9,008°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
446,920 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,695°
8,695°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 14,717 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+313°
9,008°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
9,008°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

nomic embed text v1.5

TEXT / LLM

QwQ 32B Preview

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Laguna S 2.1 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm poolside penalaran pemrograman agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model