Poolside: Laguna S 2.1

Poolside: Laguna S 2.1, Poolside tarafından sunulan bir metin modelidir ve api14 üzerinde poolside/laguna-s-2.1 model id'si ile listelenmiştir. Poolside bunu Laguna serisindeki en yeni kodlama ajanı modeli olarak tanımlar. Toplam 118B parametreli, 8B aktif parametreye sahip bir modeldir; bu, mimarinin her token için tam parametre sayısı yerine ağırlıkların daha küçük bir alt kümesini etkinleştirdiği anlamına gelir. Sağlayıcı sürüm tarihi 2026-07-21'dir.

Model metin girdisiyle çalışır ve metin çıktısı üretir, bu nedenle görüntü, ses veya diğer modaliteler yerine metin üretimi ve ajan tarzı iş yüklerine uygundur. 1.048.576 token bağlam uzunluğuna sahiptir; bu, tüm depolar, uzun günlükler veya genişletilmiş konuşma geçmişleri gibi çok uzun girdileri tek bir istekte tutabilecek kadar büyüktür. Maksimum çıktı 131.072 tokendir, yani görev gerektirdiğinde yanıtlar kısa bir yanıtın çok ötesine geçebilir. Poolside, terminal ve ajan görevlerine yönelik bir kıyaslama olan Terminal-Bench 2.1'de %70,2 puan bildirmektedir.

Bu yetenekler birkaç pratik kullanıma işaret eder. Kodlama ajanı iş akışları, modelin konumlandırması ve Terminal-Bench sonucu göz önüne alındığında en net uyumdur: çok adımlı görevleri yürütmek, dosyaları okumak ve düzenlemek ve komut satırı tarzı problemler üzerinde çalışmak. Uzun bağlam, bir geliştiricinin modelin aynı anda birçok dosya üzerinde akıl yürütmesine ihtiyaç duyduğu depo düzeyinde analizi destekler ve ayrıca ilgili ayrıntıların büyük bir girdiye yayıldığı uzun belge veya günlük incelemesine de uygundur. Model araçları ve akıl yürütmeyi desteklediği için, modelin bir fonksiyonu ne zaman çağıracağına karar verdiği ve akıl yürütme izinin çağırana açık olduğu kurulumlarda kullanılabilir.

Modeli api14'ün OpenAI uyumlu API'si üzerinden poolside/laguna-s-2.1 model id'sini kullanarak çağırırsınız. Desteklenen istek parametreleri include_reasoning, max_tokens, reasoning, temperature, tool_choice ve tools'tur. Pratikte bu, yanıt uzunluğunu max_tokens ile sınırlayabileceğiniz, örneklemeyi temperature ile kontrol edebileceğiniz, araç tanımlarını tools üzerinden iletebileceğiniz ve seçimi tool_choice ile yönlendirebileceğiniz ve akıl yürütme çıktısını reasoning ve include_reasoning parametreleriyle yönetebileceğiniz anlamına gelir.

Burada fiyatlandırma, hız sınırları veya gecikme hakkında bilgi yoktur, bu nedenle bunların canlı fiyat tablosundan ve kendi testlerinizden kontrol edilmesi gerekir. Göreviniz metin tabanlı değilse veya kodlama ya da ajan tarzı iş içermiyorsa, başka bir model daha iyi uyabilir. Basit kısa metin görevleri için, çok büyük bağlam ve çıktı sınırları ihtiyacınızdan fazlası olabilir.