Характеристики

Контекст: 262 144 токена
Параметры: 17,1 млрд
Размер весов: 86,6 ГБ
Лицензия: Apache 2.0
Архитектура: laguna · MoE
Базовая модель: Laguna-M.1
Опубликована: 18 июн 2026

Ссылки

Laguna-M.1-JANG_2L

Генерация текстаТекст → текст9 профессий

Квантованная Osaurus сборка MoE-модели Laguna-M.1 для агентного программирования, генерации кода и задач с вызовом инструментов.

33скачиваний за 30 дней1лайквеса обновлены18 июн 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

OsaurusAI/Laguna-M.1-JANG_2L — сборка модели Poolside Laguna-M.1, квантованная Osaurus в профиль JANG_2L. Это MoE-модель для генерации текста и агентного программирования; в карточке указаны 225 млрд параметров и 23 млрд активных параметров, тогда как метаданные каталога приводят 17,1 млрд. Контекст — до 262 144 токенов. Модель поддерживает диалог и интерфейс вызова инструментов.

Профиль JANG_2L использует 2-битное affine-квантование gate/up, 3-битное down, 6-битные shared/dense слои и 8-битные attention и embedding/head; размер сборки около 81 ГБ. Для запуска требуется Laguna-совместимая среда, например Osaurus или vMLX, поскольку архитектура не поддерживается стандартными загрузчиками. Базовая модель предназначена для работы с кодом и длительных задач с инструментами. Лицензия — Apache-2.0.

Сценарии применения

генерация и редактирование кода
выполнение длительных агентных задач с инструментами
диалог с моделью о программировании
решение задач по коду в длинном контексте

Ограничения

Для запуска нужна Laguna-совместимая среда; стандартные загрузчики архитектуру не поддерживают. Сборка использует агрессивное 2-битное квантование для части слоёв, поэтому качество может отличаться от исходной модели.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Laguna-M.1 · JANG_2L

Official OsaurusAI affine-quantized build of poolside/Laguna-M.1 (Apache-2.0) — a 225B / 23B-active agentic-coding MoE. Quantized by Osaurus to the JANG_2L profile (~81 GB), runs on a single 128 GB Apple-Silicon machine via Osaurus / vMLX.

Profile (JANG_2L): 2-bit gate/up, 3-bit down, 6-bit shared/dense, 8-bit attn/embed-head — quality 2-bit (affine, group-size 64; per-module bits in config.json).

Runtime

Requires a Laguna-aware runtime (Osaurus / vMLX / jang_tools.laguna) — Laguna is a custom architecture (per-element attention gating, YaRN RoPE, sigmoid+bias MoE routing, shared expert) not in stock loaders. All-full attention → standard KV cache. For clean chat, stop on </assistant> / 〈|EOS|〉 and use repetition_penalty≈1.15.

Provenance

Quantization: Osaurus · JANG affine · JANG_2L · eric@osaurus.ai

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры: LagunaForCausalLM
Ревизия весов: 002ec60