Poolside: Laguna S 2.1

Poolside: Laguna S 2.1 é um modelo de texto da Poolside, listado na api14 sob o id de modelo poolside/laguna-s-2.1. A Poolside descreve-o como o mais recente modelo de agente de programação da sua linha Laguna. É um modelo com 118B de parâmetros totais e 8B de parâmetros ativos, o que significa que a arquitetura ativa um subconjunto menor de pesos por token em vez da contagem total de parâmetros. A data de lançamento pelo fornecedor é 2026-07-21.

O modelo funciona com entrada de texto e produz saída de texto, pelo que se adequa a geração de texto e a cargas de trabalho do tipo agente, e não a imagem, áudio ou outras modalidades. Tem um comprimento de contexto de 1,048,576 tokens, suficientemente grande para conter entradas muito longas, como repositórios inteiros, registos longos ou históricos de conversa extensos, num único pedido. A saída máxima é de 131,072 tokens, pelo que as respostas podem ir bem além de uma resposta curta quando a tarefa o exige. A Poolside reporta uma pontuação de 70,2% no Terminal-Bench 2.1, um benchmark orientado para tarefas de terminal e de agente.

Estas capacidades apontam para alguns usos práticos. Os fluxos de trabalho de agentes de programação são o encaixe mais claro, dada a posicionamento do modelo e o seu resultado no Terminal-Bench: executar tarefas com vários passos, ler e editar ficheiros, e resolver problemas do tipo linha de comandos. O contexto longo suporta análise ao nível do repositório, onde um programador precisa que o modelo raciocine sobre muitos ficheiros ao mesmo tempo, e também se adequa à revisão de documentos ou registos longos, onde os detalhes relevantes estão dispersos por uma entrada grande. Como o modelo suporta ferramentas e raciocínio, pode ser usado em configurações onde o modelo decide quando chamar uma função e onde o traço de raciocínio é exposto a quem o invoca.

Chama-o através da API compatível com OpenAI da api14, usando o id de modelo poolside/laguna-s-2.1. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, temperature, tool_choice e tools. Na prática, isso significa que pode limitar o comprimento da resposta com max_tokens, controlar a amostragem com temperature, passar definições de ferramentas através de tools e orientar a seleção com tool_choice, e gerir a saída de raciocínio com os parâmetros reasoning e include_reasoning.

Não há aqui informação sobre preços, limites de taxa ou latência, pelo que esses pontos têm de ser verificados na tabela de preços em tempo real e nos seus próprios testes. Se a sua tarefa não for baseada em texto, ou não envolver programação ou trabalho do tipo agente, outro modelo pode encaixar melhor. Para tarefas de texto curtas e simples, o contexto e os limites de saída muito grandes podem ser mais do que aquilo de que precisa.