MODEL VARLIĞI
Laguna S 2.1
Laguna S 2.1, Poolside'ın 21 Temmuz 2026'da yayımladığı amiral gemisi ajanik kodlama modeli. 118 milyar toplam parametrenin yalnızca 8 milyarı aktif olan bir MoE ve 1 milyon token bağlam penceresi sunuyor — kapalı rakiplerinin çoğunun üstünde bir uzunluk. En ayırt edici yanı erişilebilirlik: ağırlıklar OpenMDW-1.1 lisansıyla Hugging Face'te, FP8, NVFP4, INT4 ve GGUF nicemlemeleriyle birlikte yayımlanıyor. Terminal-Bench 2.1'de 70,2 pass@1 alıyor; bu, Cognition SWE-2'nin aynı ölçütteki %92,8'inin belirgin altında ama açık ağırlıklı bir model için yüksek. API'si OpenAI uyumlu ve şimdilik 'sınırlı süre ücretsiz'.
Künye
Kapalı- Geliştirici
- Poolside
- Model tipi
- Kodlama LLM
- Bağlam
- 1M token
- Modaliteler
- metin · kod
- Açık ağırlık
- Var
- Lisans
- OpenMDW-1.1
- Yönetilen API
- Var
- Yayın
- 2026-07-21
Son doğrulama: 12 Eylül 2026
Yetenekler
- 1.000.000 token bağlam penceresi
- 118B toplam / 8B aktif MoE mimarisi
- Terminal-Bench 2.1'de 70,2 pass@1
- OpenMDW-1.1 lisansıyla indirilebilir ağırlıklar
- FP8, NVFP4, INT4 ve GGUF nicemlenmiş varyantlar
- OpenAI uyumlu Chat API (inference.poolside.ai/v1), Docker ile yerel dağıtım, `pool` CLI ajanı
- OpenRouter ve Vercel AI Gateway üzerinden erişim
Sınırlılıklar
- Terminal-Bench 2.1'de 70,2 — Cognition SWE-2'nin %92,8'inin belirgin altında
- API 'sınırlı süre ücretsiz' olarak sunuluyor; kalıcı birim fiyat yayımlanmamış
- 118B parametre yerel çalıştırmada ciddi donanım gerektiriyor; hafif kullanım için Laguna XS 2.1'e inmek gerekiyor
- OpenMDW-1.1, Apache-2.0 gibi yerleşik bir lisans değil; kullanım koşulları ayrıca okunmalı
- Poolside kurumsal ayrıntıları (kuruluş yılı, merkez, fonlama) herkese açık sitesinde yayımlamıyor
Tipik kullanım alanları
- Uzun ufuklu ajanik kodlama
- Tüm depoyu bağlama sığdırma gereken analiz işleri
- Veri sınırı olan kurumlarda kendi altyapısında çalıştırılan kodlama ajanı
- Terminal tabanlı görev otomasyonu
Benchmark politikası
Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji
BUILD
Hangi modeli seçeceğinize karar veremiyor musunuz?
Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.