Laguna XS 2.1
Réseau Neuronal
Laguna XS 2.1 est un modèle agentique Poolside pour le code : génération, refactorisation et débogage via l'API unifiée BotHub.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Laguna XS 2.1?
Laguna XS 2.1 est un modèle agentique de Poolside pour le code, succédant à la gamme Laguna XS.2. Son architecture de catégorie 33B-A3B active seulement une partie des paramètres par requête, équilibrant qualité d'analyse du code et vitesse de réponse. C'est un outil pour les tâches d'ingénierie : compréhension du contexte, modifications précises et exécution de scénarios complexes. Sur BotHub, le modèle est accessible depuis la Russie sans VPN ni carte étrangère, avec un paiement en roubles à l'usage : les jetons sont déduits pour les requêtes réelles et n'expirent pas. Avec plus de 250 réseaux neuronaux disponibles, vous pouvez comparer les réponses et changer de modèle sans réécrire l'intégration grâce à l'API compatible OpenAI. Les échanges sont chiffrés en AES-GCM et non conservés. Pour les équipes, nous proposons contrats, factures, gestion électronique de documents, panneau d'administration et limites. Utilisez Laguna XS 2.1 pour écrire et améliorer du code, analyser des dépôts, déboguer, préparer des refactorisations avec tests ou intégrer le modèle à votre agent via API.Questions fréquentes sur Laguna XS 2.1
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel Poolside : il accepte du texte, des documents et des images, raisonne avant de répondre et appelle des fonctions externes. Avec un contexte allant jusqu'à 262 144 jetons, il permet de charger des fichiers volumineux et des fragments de code entiers, ce qui le rend idéal pour l'analyse, la refactorisation, le débogage, l'analytique et les questions techniques.
Le modèle génère jusqu'à 32 768 jetons par réponse, ce qui suffit pour un document volumineux, une analyse détaillée ou un gros fichier de code. Si la tâche est plus importante, divisez-la : le contexte de 262 144 jetons permet de garder toute la conversation et les sources à portée de main.
Oui, le raisonnement avant réponse est confirmé pour laguna-xs-2.1 : le modèle décompose d'abord la tâche étape par étape, puis formule le résultat. Cela est visible en logique, en mathématiques et dans l'analyse de code, où il est crucial de procéder par étapes plutôt que de deviner la réponse.
Oui, le modèle prend en charge l'appel de fonctions et la sortie structurée en JSON : vous pouvez définir un schéma et obtenir une réponse prévisible pour le parsing. Sur BotHub, il est accessible via une API unifiée compatible OpenAI, permettant de changer de modèle sans réécrire l'intégration.
Les images et les documents sont pris en charge : vous pouvez envoyer une capture d'écran d'erreur, un schéma ou un document texte et poser des questions sur le contenu. Aucune mention n'est faite pour l'audio et la vidéo dans nos données ; il est donc préférable de choisir un modèle avec une prise en charge explicite pour ces fichiers.
Nous n'avons pas de mesures spécifiques pour le russe, nous ne pouvons donc pas garantir la précision. Le moyen le plus honnête de vérifier est de formuler votre tâche type et de comparer les réponses. Sur BotHub, c'est pratique : les modèles sont regroupés dans une seule fenêtre, l'accès depuis la Russie se fait sans VPN ni carte étrangère, et le paiement est en roubles.