Czy wagi są otwarte i czy mogę uruchomić Laguna S 2.1 lokalnie?

Tak, wagi są dostępne na Hugging Face na licencji OpenMDW-1.1, która pozwala na użytek komercyjny i modyfikacje bez konieczności uzyskiwania zgody. Checkpoint BF16 wymaga około 236 GB pamięci GPU, więc potrzebujesz wielu GPU; dostępne są też warianty kwantyzowane GGUF, FP8, NVFP4 i INT4, które zmniejszają to wymaganie.

Ile kosztuje Laguna S 2.1 i jak duże ma okno kontekstu?

Przez API kosztuje 0,09 USD za milion tokenów wejściowych i 0,18 USD za milion tokenów wyjściowych, z oknem kontekstu na 1 048 576 tokenów. Korzystając z darmowego poziomu, Poolside może używać Twoich danych wejściowych i wyjściowych do ulepszania modelu.

Jak Laguna S 2.1 wypada na tle reszty serii Laguna?

Znajduje się pomiędzy Laguna XS 2.1 (33 mld parametrów łącznie, 3 mld aktywnych) a Laguna M.1 (225 mld łącznie, 23 mld aktywnych), dzieląc tę samą rodzinę architektur i kompatybilność z tymi samymi silnikami inferencyjnymi: vLLM, SGLang, Transformers, TRT-LLM i llama.cpp.

▲

26.3%

ten tydzień

Laguna S 2.1

9008°

#llm #poolside #rozumowanie #kodowanie #agenci #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Poolside | kontekst 1 048 576 tokenów | $0.09/M wejście, $0.18/M wyjście. Laguna S 2.1 to najnowszy model agenta kodującego od PoolsideOpens in new tab. Laguna S 2.1 to model z 118 mld parametrami łącznie i 8 mld aktywnych parametrów, osiągający 70.2% na Terminal-Bench 2.1 i 40.4% na DeepSWE, co czyni go jednym z najsilniejszych modeli kodujących w swojej kategorii. Wagi otwarte na licencji OpenMDW-1.1. Laguna S 2.1 jest przeznaczona do zastosowań w inżynierii oprogramowania i agentowej pracy kodującej, a użytkownik jest odpowiedzialny za potwierdzenie jej odpowiedniości do zamierzonego…Poolside | kontekst 1 048 576 tokenów | $0.09/M wejście, $0.18/M wyjście. Laguna S 2.1 to najnowszy model agenta kodującego od PoolsideOpens in new tab. Laguna S 2.1 to model z 118 mld parametrami łącznie i 8 mld aktywnych parametrów, osiągający 70.2% na Terminal-Bench 2.1 i 40.4% na DeepSWE, co czyni go jednym z najsilniejszych modeli kodujących w swojej kategorii. Wagi otwarte na licencji OpenMDW-1.1. Laguna S 2.1 jest przeznaczona do zastosowań w inżynierii oprogramowania i agentowej pracy kodującej, a użytkownik jest odpowiedzialny za potwierdzenie jej odpowiedniości do zamierzonego zastosowania. Laguna S 2.1 podlega licencji OpenMDW-1.1Opens in new tab i powinna być używana zgodnie z Polityką Akceptowalnego Użytkowania PoolsideOpens in new tab. Zalecamy nie omijać zabezpieczeń Laguna S 2.1 bez wdrożenia równoważnych środków odpowiednich dla danego zastosowania. Prosimy o zgłaszanie luk bezpieczeństwa lub obaw dotyczących bezpieczeństwa na adres [email protected]. Jeśli korzystasz z Laguna S 2.1 za darmo, możemy używać twoich danych wejściowych i wyjściowych do trenowania i ulepszania naszych modeli.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Jak zainstalować Ollama i uruchomić lokalną AI (Windows, Mac, Linux)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Laguna S 2.1 to model kodujący Mixture-of-Experts o 118 miliardach parametrów od Poolside, z aktywnymi tylko 8 miliardami parametrów na token. Został zaprojektowany do agentowego inżynierii oprogramowania i zadań kodowania o długim horyzoncie, z oknem kontekstu na 1 milion tokenów oraz natywnym rozumowaniem między wywołaniami narzędzi. Otwarte wagi na licencji OpenMDW-1.1 czynią go poważną opcją dla zespołów chcących samodzielnie hostować agenta kodującego klasy frontowej.

Znany z

Silne wyniki agentowego kodowania: 70,2% na Terminal-Bench 2.1, 40,4% na DeepSWE
Okno kontekstu na 1 048 576 tokenów dla dużych baz kodu i zadań o długim horyzoncie
Natywne przeplatane rozumowanie między wywołaniami narzędzi, sterowalne na żądanie
W pełni permissywna licencja OpenMDW-1.1: użytek komercyjny, modyfikacje, bez konieczności uzyskiwania zgody
Dostępne warianty kwantyzowane: FP8, NVFP4, INT4 i GGUF dla elastycznego wdrożenia

Uważaj na

Wagi BF16 wymagają około 236 GB pamięci rozłożonej na wiele GPU; warianty kwantyzowane zmniejszają to wymaganie, ale wprowadzają kompromisy.
Korzystanie z darmowego poziomu pozwala Poolside na wykorzystanie Twoich danych wejściowych i wyjściowych do trenowania modelu.
Benchmarki są raportowane przez Poolside; wyniki stron trzecich są oznaczone i porównania różnią się w zależności od oceniającego.

Najlepszy do

Kodowanie

Agenci i użycie narzędzi

Rozumowanie

Długi kontekst

Działa lokalnie

Podpowiedzi do wypróbowania

Debugowanie nieudanej serii testów

Mam serwis Python FastAPI. Testy integracyjne przechodzą lokalnie, ale w CI kończą się błędem 422 Unprocessable Entity na POST /orders. Treść żądania jest identyczna w obu środowiskach. Przeanalizuj najbardziej prawdopodobne przyczyny, napisz skrypt diagnostyczny, który mogę uruchomić w CI do logowania surowych żądań i błędów walidacji oraz zasugeruj poprawki.

Plan refaktoryzacji między plikami

Muszę zmigrować aplikację Node.js Express z CommonJS require() na składnię modułów ES import/export. Projekt ma około 40 plików, używa Jest do testów i zawiera kilka dynamicznych wywołań require(). Podaj krok po kroku plan migracji, wskaż przypadki brzegowe, które nie przejdą automatycznie, i napisz skrypt shell do mechanicznej zmiany nazw.

Agentowy audyt repozytorium

Zachowuj się jak starszy inżynier przeglądający pull request. Oto diff zmian w module uwierzytelniania, który zastępuje bcrypt Argon2. Sprawdź regresje bezpieczeństwa, błędne parametry, brak obsługi błędów i luki w testach. Wypisz każdy problem z odniesieniem do pliku i linii, oceną powagi i konkretną poprawką.

Porównaj z

Laguna XS 2.1
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.06/M wejście, $0.12/M wyjście
GPT-6 Luna
Model tylko z API
Kontekst 1,050,000 tokenów · $0.10/M wejście, $0.50/M wyjście
Claude Opus 5.5
Model tylko z API
Kontekst 1,000,000 tokenów · $4.00/M wejście, $20.00/M wyjście
Muse Spark 1.3 Contributor
Model tylko z API
Kontekst 1,048,576 tokenów · $0.10/M wejście, $0.20/M wyjście

Więcej modeli tekstowych od poolside

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić Laguna S 2.1 lokalnie?: Tak, wagi są dostępne na Hugging Face na licencji OpenMDW-1.1, która pozwala na użytek komercyjny i modyfikacje bez konieczności uzyskiwania zgody. Checkpoint BF16 wymaga około 236 GB pamięci GPU, więc potrzebujesz wielu GPU; dostępne są też warianty kwantyzowane GGUF, FP8, NVFP4 i INT4, które zmniejszają to wymaganie.
Ile kosztuje Laguna S 2.1 i jak duże ma okno kontekstu?: Przez API kosztuje 0,09 USD za milion tokenów wejściowych i 0,18 USD za milion tokenów wyjściowych, z oknem kontekstu na 1 048 576 tokenów. Korzystając z darmowego poziomu, Poolside może używać Twoich danych wejściowych i wyjściowych do ulepszania modelu.
Jak Laguna S 2.1 wypada na tle reszty serii Laguna?: Znajduje się pomiędzy Laguna XS 2.1 (33 mld parametrów łącznie, 3 mld aktywnych) a Laguna M.1 (225 mld łącznie, 23 mld aktywnych), dzieląc tę samą rodzinę architektur i kompatybilność z tymi samymi silnikami inferencyjnymi: vLLM, SGLang, Transformers, TRT-LLM i llama.cpp.

Wyrok kapitana
Naprawdę permissywny agent kodujący z otwartymi wagami, który osiąga wyniki znacznie przewyższające liczbę aktywnych parametrów, pod warunkiem, że masz odpowiedni sprzęt do jego uruchomienia.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Trend popularności: Laguna S 2.1

Wynik heat od 21 Jul 2026

Wskaźnik popularności

9,008°

Ten tydzień

▲

26.3%

8,977° wtedy, 9,008° teraz

Ten miesiąc

▲

222%

8,853° wtedy, 9,008° teraz

Ostatni rok

n/a

Jeszcze nie wydano/śledzono

7,000°

Podstawa

Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.

+1,695°

Tokeny OpenRouter

4,469,209,626,464 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 446,920; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).

+313°

Tempo adopcji

Około 14,717 pobrań dziennie, mierzone między dwoma odczytami źródeł, nigdy nie szacowane na podstawie średniej z całego czasu. Prędkość waży ćwierć składnika pobrań, więc świeży wzrost jest widoczny, ale jednodniowy skok nie przebije lat użycia.

Pokaż szczegóły

Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 9,008°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.

1
Zacznij od podstawy.
Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
7,000°
bieżąca suma
2
Dodaj pobrania.
446,920 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
+1,695°
8,695°
bieżąca suma
3
Dodaj tempo adopcji.
Około 14,717 pobrań dziennie teraz, mierzone między dwoma odczytami, z wagą ćwierć pobrania.
+313°
9,008°
bieżąca suma
=
Wynik heat.
Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
9,008°

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.

Podobne modele

Claude Fable 5.1

TEXT / LLM

Hermes 3 70B Instruct

TEXT / LLM

Qwen3 235B A22B Thinking 2507

TEXT / LLM

granite 4.2 30b

TEXT / LLM

Modele AI do generowania obrazów, wideo i tekstu

Laguna S 2.1 to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm poolside rozumowanie kodowanie agenci długi kontekst lokalny

Przeglądaj według rodziny modeli