Poolside: Laguna XS 2.1

Laguna XS 2.1 är en textmodell från Poolside, listad som den senaste kodagentmodellen i kategorin 33B-A3B. Den är ett steg framåt från Poolside's tidigare modell Laguna XS.2, som släpptes i april 2026, och leverantörens releasedatum för den här versionen är 2 juli 2026. Om du redan arbetar med Poolside's agentorienterade modeller är detta den aktuella iterationen i den linjen.

Modellen tar text som indata och returnerar text som utdata, så den passar det vanliga chat- och completionmönstret snarare än multimodalt arbete. Dess kontextfönster är 262 144 tokens, vilket är tillräckligt stort för att rymma omfattande källfiler, långa loggar eller utökad konversationshistorik i en enda begäran. Den maximala utdatan är 32 768 tokens, så svaren kan vara långa, men de är fortfarande begränsade, vilket spelar roll när du genererar hela filer eller långa resonemangsspår. Som kodagentmodell är den utformad kring verktygsanvändning och arbete i flera steg snarare än svar i ett enda skott.

Eftersom den stöder tools och tool_choice lutar praktisk användning mot agentiska kodarbetsflöden: att köra en loop där modellen inspekterar ett arkiv, anropar funktioner du exponerar och redigerar eller förklarar kod över flera turer. Den stora kontexten hjälper när uppgiften är beroende av omgivande kod i bred omfattning, och utdatataket stöder generering av kompletta moduler eller patchar i en enda omgång. Stöd för resonemang innebär att du kan visa mellanliggande tänkande när du vill det, eller lämna det utanför svaret till användaren. Allmänna textuppgifter är också möjliga, men den tydligaste passformen är kodassistans och verktygsdriven automatisering.

Du anropar den via api14's OpenAI-kompatibla API med modell-id:t "poolside/laguna-xs-2.1". Eftersom gränssnittet följer OpenAI-schemat fungerar befintliga klienter och SDK:er i allmänhet efter att du ändrar modell-id och bas-URL. De parametrar som stöds är include_reasoning, max_tokens, reasoning, temperature, tool_choice och tools. Om du bygger en agent är tools och tool_choice de relevanta, medan reasoning och include_reasoning styr hur tänkande hanteras och max_tokens och temperature begränsar och formar utdatan.

Det finns ingen bild- eller ljudindata här, så om din uppgift behöver multimodal indata passar en annan modell bättre. Om du bara behöver kort, enkel textgenerering utan verktygsanrop kan en mindre uppsättning räcka. Inom sitt angivna omfång är Laguna XS 2.1 inriktad på kodagentarbetsbelastningar som behöver en lång kontext och en generös utdatabudget.