/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
6,8 млрд
Размер весов
96,5 ГБ
Лицензия
Своя лицензия
Архитектура
laguna · MoE
Базовая модель
Laguna-S-2.1
Библиотека
mlx
Опубликована
24 июл 2026

Laguna-S-2.1-JANG_6M

Генерация текстаТекст → текст9 профессий

Квантованная для Apple Silicon MoE-модель Poolside Laguna-S-2.1 для агентного программирования, диалогов и длительных задач разработки с контекстом до 1 048 576 токенов.

63скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

JANGQ-AI/Laguna-S-2.1-JANG_6M — квантованная для Apple Silicon сборка текстовой MoE-модели Poolside Laguna-S-2.1, подготовленная Jinho Jang и предназначенная для запуска в vMLX. Модель имеет 118 млрд параметров, из которых активно около 8 млрд; архитектура включает 48 слоёв, 256 маршрутизируемых экспертов с выбором top-10 и общий эксперт. Заявленный контекст — до 1 048 576 токенов.

Сборка использует 6-битное AWQ-квантование основных весов экспертов, а attention, router, общий эксперт и нормализации оставлены в высокой точности. По данным README, на M5 Max модель показала скорость декодирования 30,7 токена в секунду; автор также сообщает о полном совпадении top-1 при проверке кэша длинного контекста на указанном тестовом проходе. Модель ориентирована на агентное программирование, диалог и длительные задачи разработки с вызовом инструментов. README описывает шаблон рассуждений GLM-style с переключателем thinking.

В карточке указаны английский язык и интерфейс вызова инструментов; основной сценарий — генерация текста для разработки и агентных рабочих процессов. Модель унаследовала базовую Poolside Laguna-S-2.1 и распространяется по лицензии OpenMDW-1.1. Для запуска требуются совместимый MLX/vMLX-стек и загрузчик, учитывающий настройки квантования по модулям; приведённые показатели производительности относятся к указанной конфигурации Apple Silicon.

Сценарии применения

  • генерация и редактирование программного кода
  • выполнение многошаговых задач разработки с агентом
  • диалог с моделью о ходе разработки
  • вызов инструментов в агентном рабочем процессе
  • обработка длинного контекста при работе с кодом и проектными материалами

Ограничения

Для запуска требуется совместимая среда MLX/vMLX и корректная поддержка модульных настроек квантования; указанная скорость измерена на M5 Max с 128 ГБ памяти и не гарантирует такую же производительность на другом оборудовании. Данные о качестве на независимых наборах задач в карточке не приведены.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JANGQ-AI/Laguna-S-2.1-JANG_6M

JANG_6M JANG affine bundle of poolside/Laguna-S-2.1 — 118B-parameter / ~8B-active MoE for agentic coding and long-horizon work, quantized for Apple Silicon.

Attention (incl. the softplus output gate), shared expert, router, and norms stay high precision; the 256-routed-expert bulk carries 6-bit gate/up/down, protected by activation-aware (AWQ) scales chosen by measured quantization error against a no-AWQ baseline (3.1% lower reconstruction error at this bit width).

Bundle

FieldValue
Sourcepoolside/Laguna-S-2.1 @ e80da38
Architecturelaguna — 48 layers (12 global + 36 SWA w512), 118B-A8B, 256 experts top-10 + shared, 1M ctx
On-disk size96.5 GB (21 shards)
Routed experts6-bit gate/up/down affine, group 64, AWQ folded
Attention q/k/v/o + g_proj8-bit affine
Shared expert / dense FFN8-bit affine
Embeddings / lm_head6-bit / 8-bit affine
Router, e_score bias, normsfp16 passthrough
Modalitytext-only (verified from tensor index)

Measured (M5 Max, 128 GB, greedy, wired)

MetricValue
Decode30.7 tok/s
Long-context cache parityteacher-forced top-1 agreement 1.000 / 1.000 (pre/post the 512 sliding window, 2,913-token pass)

Chat / reasoning

  • GLM-style think tags; enable_thinking toggles reasoning (thinking is ON by default in this revision's template; pass enable_thinking=False to disable)
  • The FULL chat template is inlined in tokenizer_config.json (upstream ships only an {% include %} stub that most runtimes cannot resolve — inlining is what makes the reasoning toggle actually work)
  • Stop tokens eos_token_id = [2, 24] — id 24 is end-of-turn and must be in the stop set
  • Template emits its own leading 〈|EOS|〉 (bos 2): do not prepend another
  • Tool calls: <tool_call>name<arg_key>k</arg_key><arg_value>v</arg_value></tool_call>
  • Vendor sampling: temperature 1.0, top_p 1.0, top_k 20

Loaders must honor the per-module {bits, group_size, mode} overrides in config.json[quantization].


Quantized and verified by Jinho Jang (eric@jangq.ai). License: OpenMDW-1.1 (inherited).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
LagunaForCausalLM
Ревизия весов
3ef1fa2

0 моделей