Bolehkah saya jalankan Laguna XS 2.1 secara tempatan?

Ya, berat model terbuka di bawah lesen OpenMDW-1.1 dan model tersedia di Ollama dan llama.cpp. Poolside kata Mac dengan 36 GB RAM sudah mencukupi.

Berapa kos Laguna XS 2.1 dan berapa panjang konteksnya?

Melalui API ia berharga $0.06 bagi setiap sejuta token input dan $0.12 bagi setiap sejuta token output, dengan tetingkap konteks 262,144 token dan sehingga 32K token output setiap permintaan.

Bagaimana Laguna XS 2.1 berbeza daripada Laguna XS.2?

Ia memperbaiki Laguna XS.2 dengan peningkatan +5.4% pada SWE-bench Multilingual dan skor lebih kuat pada tugas gaya terminal, bersama kuantisasi cache KV FP8 untuk penggunaan memori lebih rendah.

Laguna XS 2.1

2460°

#llm #poolside #penalaran #pengaturcaraan #ejen #konteks panjang

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Poolside | konteks 262,144 token | $0.06/M input, $0.12/M output. Laguna XS 2.1 adalah model agen pengekodan terkini dalam kategori 33B-A3B dari PoolsideOpens in new tab dan satu langkah ke hadapan daripada model Laguna XS.2 mereka (dikeluarkan pada April 2026). Ia menggabungkan panggilan alat dan keupayaan penalaran dengan jejak padat, menawarkan tetingkap konteks 256K dan sehingga 32K token output. Dikuantisasi ke FP8 untuk aliran kerja pengekodan agen yang pantas dan kos efektif. Laguna XS 2.1 direka untuk kes penggunaan kejuruteraan perisian dan pengekodan agen, dan anda bertanggungjawab…Poolside | konteks 262,144 token | $0.06/M input, $0.12/M output. Laguna XS 2.1 adalah model agen pengekodan terkini dalam kategori 33B-A3B dari PoolsideOpens in new tab dan satu langkah ke hadapan daripada model Laguna XS.2 mereka (dikeluarkan pada April 2026). Ia menggabungkan panggilan alat dan keupayaan penalaran dengan jejak padat, menawarkan tetingkap konteks 256K dan sehingga 32K token output. Dikuantisasi ke FP8 untuk aliran kerja pengekodan agen yang pantas dan kos efektif. Laguna XS 2.1 direka untuk kes penggunaan kejuruteraan perisian dan pengekodan agen, dan anda bertanggungjawab mengesahkan bahawa ia sesuai untuk aplikasi yang anda maksudkan. Laguna XS 2.1 tertakluk kepada Lesen OpenMDW-1.1Opens in new tab, dan harus digunakan selaras dengan Polisi Penggunaan Boleh Diterima PoolsideOpens in new tab. Kami menasihatkan agar tidak memintas kawalan keselamatan Laguna XS 2.1 tanpa melaksanakan mitigasi setara yang sesuai untuk kes penggunaan anda. Sila laporkan kerentanan keselamatan atau kebimbangan keselamatan kepada [email protected]. Jika anda menggunakan Laguna XS 2.1 secara percuma, kami mungkin menggunakan input dan output anda untuk melatih dan memperbaiki model kami.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Laguna XS 2.1 adalah agen pengkodan Mixture-of-Experts 33B dari Poolside, dengan hanya 3B parameter diaktifkan setiap token, menjadikannya benar-benar boleh dijalankan pada Mac 36 GB. Ia menggabungkan penalaran asli dengan panggilan alat merentasi tetingkap konteks 256K, dan berat terbukanya dikeluarkan di bawah lesen komersial yang sepenuhnya membenarkan. Jika kerja anda adalah pengkodan agen atau tugas kejuruteraan perisian jangka panjang, ini dibina khusus untuk itu.

Dikenali untuk

Pengkodan agen dengan penalaran berselang antara panggilan alat
Boleh dijalankan secara tempatan pada Mac 36 GB melalui Ollama atau llama.cpp
Tetingkap konteks 256K dengan sehingga 32K token output
Lesen OpenMDW-1.1 yang sepenuhnya membenarkan, termasuk penggunaan komersial
Cache KV kuantisasi FP8 menjaga kos memori dan inferens rendah

Berhati-hati dengan

Penggunaan tahap percuma membenarkan Poolside melatih pada input dan output anda.
Skor penanda aras ketinggalan Qwen3.6-35B-A3B pada setiap metrik pengkodan yang diterbitkan walaupun saiz serupa.
Direka untuk kejuruteraan perisian; kesesuaian untuk kegunaan lain adalah tanggungjawab anda untuk sahkan.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Selesaikan masalah suite ujian gagal

Saya ada API Python Flask. Suite ujian lulus secara tempatan tetapi gagal dalam CI dengan ralat ini: AssertionError: 401 != 200 pada endpoint /api/orders. Endpoint memerlukan token Bearer. Ini fail ujian dan pengendali laluan. Kenal pasti punca utama dan tulis semula ujian supaya lulus dengan betul dalam kedua-dua persekitaran.

Refaktor untuk agen async

Refaktor skrip Python segerak ini yang memanggil tiga API luaran secara berurutan ke versi async menggunakan asyncio dan aiohttp. Ketiga-tiga panggilan bebas antara satu sama lain. Kekalkan semua pengendalian ralat, tambah had masa 10 saat setiap permintaan, dan terangkan setiap perubahan yang anda buat.

Rancang migrasi kod berbilang langkah

Saya perlu migrasi aplikasi Node.js Express dari CommonJS require() ke sintaks import/export modul ES. Projek ada 40 fail, guna Jest untuk ujian, dan ada beberapa panggilan require() dinamik. Berikan pelan migrasi langkah demi langkah, tandakan kes require dinamik secara berasingan, dan tulis package.json dan konfigurasi Jest yang dikemas kini.

Bandingkan dengan

Laguna S 2.1
Model berat terbuka
konteks 1,048,576 token · Input $0.09/M, output $0.18/M
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
Claude Opus 5.5
Model hanya API
konteks 1,000,000 token · Input $4.00/M, output $20.00/M
Muse Spark 1.3 Contributor
Model hanya API
konteks 1,048,576 token · Input $0.10/M, output $0.20/M

Lebih banyak model teks dari poolside

Soalan yang sering ditanya

Bolehkah saya jalankan Laguna XS 2.1 secara tempatan?: Ya, berat model terbuka di bawah lesen OpenMDW-1.1 dan model tersedia di Ollama dan llama.cpp. Poolside kata Mac dengan 36 GB RAM sudah mencukupi.
Berapa kos Laguna XS 2.1 dan berapa panjang konteksnya?: Melalui API ia berharga $0.06 bagi setiap sejuta token input dan $0.12 bagi setiap sejuta token output, dengan tetingkap konteks 262,144 token dan sehingga 32K token output setiap permintaan.
Bagaimana Laguna XS 2.1 berbeza daripada Laguna XS.2?: Ia memperbaiki Laguna XS.2 dengan peningkatan +5.4% pada SWE-bench Multilingual dan skor lebih kuat pada tugas gaya terminal, bersama kuantisasi cache KV FP8 untuk penggunaan memori lebih rendah.

Keputusan Kapten
Agen pengkodan ringan yang boleh dijalankan secara tempatan dengan lesen membenarkan dan peningkatan penanda aras sebenar, walaupun Qwen3.6-35B-A3B masih mendahului pada setiap skor diterbitkan.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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 dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Laguna XS 2.1 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm poolside penalaran pengaturcaraan ejen konteks panjang tempatan

Layari mengikut keluarga model