Bisakah saya menjalankan Laguna XS 2.1 secara lokal?

Ya, bobotnya terbuka di bawah lisensi OpenMDW-1.1 dan model tersedia di Ollama dan llama.cpp. Poolside mengatakan Mac dengan RAM 36 GB sudah cukup.

Berapa biaya Laguna XS 2.1 dan berapa panjang konteksnya?

Melalui API biayanya $0,06 per juta token input dan $0,12 per juta token output, dengan jendela konteks 262.144 token dan output hingga 32K token per permintaan.

Apa perbedaan Laguna XS 2.1 dengan Laguna XS.2?

Model ini meningkatkan Laguna XS.2 dengan kenaikan +5,4% pada SWE-bench Multilingual dan skor lebih kuat pada tugas gaya terminal, serta kuantisasi cache KV FP8 untuk penggunaan memori lebih rendah.

Laguna XS 2.1

2460°

#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 262.144 token | $0,06/M input, $0,12/M output. Laguna XS 2.1 adalah model agen pengkodean terbaru dalam kategori 33B-A3B dari PoolsideOpens in new tab dan merupakan langkah maju dari model Laguna XS.2 mereka (dirilis April 2026). Model ini menggabungkan kemampuan pemanggilan alat dan penalaran dengan jejak yang ringkas, menawarkan jendela konteks 256K dan hingga 32K token output. Dikwantisasi ke FP8 untuk alur kerja pengkodean agen yang cepat dan hemat biaya. Laguna XS 2.1 dirancang untuk rekayasa perangkat lunak dan kasus penggunaan pengkodean agen, dan Anda bertanggung…Poolside | konteks 262.144 token | $0,06/M input, $0,12/M output. Laguna XS 2.1 adalah model agen pengkodean terbaru dalam kategori 33B-A3B dari PoolsideOpens in new tab dan merupakan langkah maju dari model Laguna XS.2 mereka (dirilis April 2026). Model ini menggabungkan kemampuan pemanggilan alat dan penalaran dengan jejak yang ringkas, menawarkan jendela konteks 256K dan hingga 32K token output. Dikwantisasi ke FP8 untuk alur kerja pengkodean agen yang cepat dan hemat biaya. Laguna XS 2.1 dirancang untuk rekayasa perangkat lunak dan kasus penggunaan pengkodean agen, dan Anda bertanggung jawab memastikan model ini sesuai untuk aplikasi yang Anda maksudkan. Laguna XS 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 agar tidak melewati pengaman Laguna XS 2.1 tanpa menerapkan mitigasi yang setara secara substansial sesuai kasus penggunaan Anda. Harap laporkan kerentanan keamanan atau kekhawatiran keselamatan ke [email protected]. Jika Anda menggunakan Laguna XS 2.1 secara gratis, kami dapat menggunakan input dan output Anda untuk melatih dan meningkatkan model kami.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

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)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Laguna XS 2.1 adalah agen coding Mixture-of-Experts 33B dari Poolside, dengan hanya 3B parameter yang diaktifkan per token, sehingga benar-benar bisa dijalankan di Mac 36 GB. Model ini menggabungkan penalaran native dengan pemanggilan alat dalam jendela konteks 256K, dan bobot terbukanya dilisensikan secara komersial penuh. Jika pekerjaan Anda adalah coding agen atau tugas rekayasa perangkat lunak jangka panjang, ini dibuat khusus untuk itu.

Dikenal untuk

Coding agen dengan penalaran berselang antara pemanggilan alat
Dapat dijalankan secara lokal di Mac 36 GB melalui Ollama atau llama.cpp
Jendela konteks 256K dengan output hingga 32K token
Lisensi OpenMDW-1.1 yang sepenuhnya permisif, termasuk penggunaan komersial
Cache KV kuantisasi FP8 menjaga biaya memori dan inferensi rendah

Waspadai

Penggunaan tingkat gratis memungkinkan Poolside melatih model dengan input dan output Anda.
Skor benchmark tertinggal dari Qwen3.6-35B-A3B pada semua metrik coding yang dipublikasikan meski ukuran serupa.
Dirancang untuk rekayasa perangkat lunak; kecocokan untuk kasus lain perlu Anda konfirmasi sendiri.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Debug suite tes yang gagal

Saya punya API Python Flask. Suite tes berhasil di lokal tapi gagal di CI dengan error: AssertionError: 401 != 200 pada endpoint /api/orders. Endpoint memerlukan token Bearer. Ini file tes dan handler route. Identifikasi penyebab utama dan tulis ulang tes agar berhasil di kedua lingkungan.

Refaktor untuk agen async

Refaktor skrip Python sinkron ini yang memanggil tiga API eksternal secara berurutan menjadi versi async menggunakan asyncio dan aiohttp. Ketiga panggilan independen satu sama lain. Pertahankan semua penanganan error, tambahkan timeout 10 detik per permintaan, dan jelaskan setiap perubahan yang Anda buat.

Rencanakan migrasi kode multi-langkah

Saya perlu migrasi aplikasi Node.js Express dari sintaks require() CommonJS ke import/export modul ES. Proyek ini punya 40 file, menggunakan Jest untuk tes, dan ada beberapa require() dinamis. Berikan rencana migrasi langkah demi langkah, tandai kasus require dinamis secara terpisah, dan tulis package.json serta konfigurasi Jest yang diperbarui.

Bandingkan dengan

Laguna S 2.1
Model dengan bobot terbuka
konteks 1,048,576 token · $0.09/M input, $0.18/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

Bisakah saya menjalankan Laguna XS 2.1 secara lokal?: Ya, bobotnya terbuka di bawah lisensi OpenMDW-1.1 dan model tersedia di Ollama dan llama.cpp. Poolside mengatakan Mac dengan RAM 36 GB sudah cukup.
Berapa biaya Laguna XS 2.1 dan berapa panjang konteksnya?: Melalui API biayanya $0,06 per juta token input dan $0,12 per juta token output, dengan jendela konteks 262.144 token dan output hingga 32K token per permintaan.
Apa perbedaan Laguna XS 2.1 dengan Laguna XS.2?: Model ini meningkatkan Laguna XS.2 dengan kenaikan +5,4% pada SWE-bench Multilingual dan skor lebih kuat pada tugas gaya terminal, serta kuantisasi cache KV FP8 untuk penggunaan memori lebih rendah.

Putusan Kapten
Agen coding ramping yang bisa dijalankan lokal dengan lisensi permisif dan peningkatan benchmark nyata, meski Qwen3.6-35B-A3B masih memimpin pada semua skor yang dipublikasikan.

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

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

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.

Model Serupa

Nano Banana 2 (Gemini 3.1 Flash Image Preview)

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Laguna XS 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