Laguna S 2.1
Red Neuronal
Laguna S 2.1 es un agente de codificación de Poolside: modelo de 118B parámetros con 8B activos para tareas de desarrollo.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Laguna S 2.1?
Laguna S 2.1 es un modelo de Poolside orientado a la codificación en modo agente: diseñado no para una respuesta única, sino para largas cadenas de pasos donde se debe leer el proyecto, realizar cambios y verificar el resultado. Arquitectónicamente, tiene 118 mil millones de parámetros, de los cuales 8 mil millones están activos en cada solicitud, y en Terminal-Bench 2.1 el modelo muestra un 70,2%, un benchmark que evalúa la capacidad de completar tareas en la terminal. En BotHub, el modelo está disponible desde Rusia sin VPN ni tarjeta extranjera: pague con tarjeta rusa en rublos solo por los tokens consumidos; los no utilizados no caducan. En la misma ventana hay más de 250 modelos, lo que facilita comparar una tarea entre varios. Las solicitudes se cifran mediante AES-GCM y no se guardan, y una API compatible con OpenAI permite cambiar el modelo sin reescribir la integración. Para equipos: contrato, factura, EDI y panel de administración con límites. Útil para escribir funciones, gestionar código heredado, depurar pruebas, automatizar rutinas en CI y terminales, analizar repositorios desconocidos o crear su propio agente desarrollador mediante API.Preguntas frecuentes sobre Laguna S 2.1
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
laguna-s-2.1 de poolside trabaja con texto, documentos e imágenes: analiza grandes bases de código, ayuda con la refactorización y depuración, resuelve tareas de razonamiento y llama a funciones externas. El contexto de hasta 1 048 576 tokens permite mantener un proyecto completo en una sola conversación.
Hasta 131 072 tokens por respuesta. Es suficiente para obtener un módulo de código completo, un análisis detallado de un documento o un texto técnico largo sin dividirlo en partes. Si la respuesta se corta, simplemente pida continuar desde donde se detuvo.
Sí, el modo de razonamiento está confirmado: el modelo primero estructura el proceso de solución y luego proporciona la respuesta. Esto es especialmente notable en tareas de varios pasos: depuración, matemáticas, análisis de documentos largos. En consultas simples la diferencia es menor, pero las respuestas siguen siendo precisas.
Sí. El modelo admite llamadas a funciones y salida estructurada en JSON, por lo que es fácil integrarlo en agentes y pipelines: elige la herramienta y devuelve los datos en el esquema especificado. En BotHub, esto funciona a través de una API unificada compatible con OpenAI.
Se puede ingresar texto, imágenes y documentos, por ejemplo, una captura de pantalla de la interfaz, un diagrama de arquitectura o un PDF con especificaciones. El audio y el video no figuran entre los formatos de entrada admitidos en nuestros datos. El modelo devuelve el resultado en texto.
No hay una nota específica sobre el trabajo con el idioma ruso en nuestros datos, por lo que no podemos prometer precisión; pruébelo con sus tareas. Si el resultado no le satisface, en BotHub puede cambiar a otro modelo con un solo clic sin reescribir la integración.