Poolside: Laguna S 2.1

Poolside: Laguna S 2.1 är en textmodell från Poolside, listad på api14 under modell-id:t poolside/laguna-s-2.1. Poolside beskriver den som den senaste kodagentmodellen i sin Laguna-serie. Det är en modell med 118B totala parametrar och 8B aktiva parametrar, vilket innebär att arkitekturen aktiverar en mindre delmängd av vikterna per token i stället för hela parameterantalet. Leverantörens utgivningsdatum är 2026-07-21.

Modellen arbetar med textinmatning och producerar textutdata, så den passar för textgenerering och agentliknande arbetsbelastningar snarare än bild, ljud eller andra modaliteter. Den har en kontextlängd på 1 048 576 tokens, vilket är tillräckligt stort för att rymma mycket långa indata som hela kodförråd, långa loggar eller utökade konversationshistoriker i en enda begäran. Den maximala utdatan är 131 072 tokens, så svar kan sträcka sig långt bortom ett kort svar när uppgiften kräver det. Poolside rapporterar en poäng på 70,2 % på Terminal-Bench 2.1, ett riktmärke inriktat på terminal- och agentuppgifter.

Dessa förmågor pekar mot några praktiska användningsområden. Arbetsflöden för kodagenter är den tydligaste matchningen, med tanke på modellens positionering och dess Terminal-Bench-resultat: att köra uppgifter i flera steg, läsa och redigera filer och arbeta igenom problem i kommandoradsstil. Den långa kontexten stöder analys på kodförrådsnivå, där en utvecklare behöver att modellen resonerar över många filer samtidigt, och den passar också för granskning av långa dokument eller loggar där de relevanta detaljerna är utspridda över en stor indata. Eftersom modellen stöder verktyg och resonemang kan den användas i uppsättningar där modellen avgör när en funktion ska anropas och där resonemangsspåret exponeras för anroparen.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t poolside/laguna-s-2.1. De begärandeparametrar som stöds är include_reasoning, max_tokens, reasoning, temperature, tool_choice och tools. I praktiken innebär det att du kan begränsa svarslängden med max_tokens, styra samplingen med temperature, skicka verktygsdefinitioner via tools och styra valet med tool_choice, samt hantera resonemangsutdata med parametrarna reasoning och include_reasoning.

Det finns ingen information här om prissättning, hastighetsgränser eller latens, så dessa behöver kontrolleras i den aktuella pristabellen och i din egen testning. Om din uppgift inte är textbaserad, eller inte involverar kodning eller agentliknande arbete, kan en annan modell passa bättre. För enkla korta textuppgifter kan den mycket stora kontexten och utdatagränserna vara mer än du behöver.