Характеристики

Базовая модель: Laguna-S-2.1
Библиотека: gguf
Опубликована: 24 июл 2026

Ссылки

Laguna-S-2.1-GGUF

Генерация текстаТекст → текст7 профессий

Laguna-S-2.1-GGUF — это квантованная версия языковой модели poolside/Laguna-S-2.1, опубликованная в репозитории antirez для запуска через DwarfStar.

302скачиваний за 30 дней11лайковвеса обновлены26 июл 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

Модель предназначена для генерации и продолжения текста, а также локального инференса на системах с ограниченными ресурсами. По метаданным это Mixture-of-Experts-модель с поддержкой формата GGUF.

Основной вариант использует смешанную схему квантования: тензоры маршрутизируемых экспертов в слоях 1–20 представлены в Q2_K, а в слоях 21–47 — в Q3_K; остальные тензоры сохранены из официальной сборки Q4_K_M. Размер файла составляет около 44,946 GiB, поэтому модель рассчитана на полное размещение в памяти системы с 64 ГБ ОЗУ. Поддержка Q3_K-маршрутизации заявлена начиная с определённой версии DwarfStar. На Apple M5 Max указаны результаты около 514 токенов в секунду при prefill на 4096 токенах и 63 токенов в секунду при генерации.

Смешанное квантование уменьшает требования к памяти, но несколько снижает качество относительно полной Q4_K_M: средний NLL составил 0,2583 против 0,2352, а доля совпадений первого токена — 87 против 92 из 100 тестовых продолжений. Реальные требования к памяти также зависят от размера контекста и KV-кэша. Сведения о поддерживаемых языках, максимальном контексте и лицензии в README не указаны.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Laguna S 2.1 GGUF

This repository contains a reduced-memory Laguna S 2.1 quantization for DwarfStar.

Mixed Q2_K/Q3_K variant

laguna-s-2.1-RoutedQ2_K-Last27Q3_K.gguf keeps every non-routed tensor byte-identical to Poolside's laguna-s-2.1-Q4_K_M.gguf at revision 706fa69799926b6afde1af9e24ca2a4923f110a1. Only routed expert tensors were requantized using the source importance matrix:

routed layers 1 through 20: Q2_K gate, up, and down
routed layers 21 through 47: Q3_K gate, up, and down
all other tensors: unchanged from the official Q4_K_M GGUF

The file is 48,260,803,968 bytes (44.946 GiB), intended for full-residency inference on 64 GiB systems. Runtime memory also depends on context size and KV-cache allocation.

SHA-256:

61fc66596597985cb9408a8530de6322d9e0d5b1d2ad4ed6503938018e0ce903

DwarfStar

Q3_K routed Laguna inference is supported starting with DwarfStar commit 938227a2.

./download_model.sh laguna-q2-q3
./ds4 -m gguf/laguna-s-2.1-RoutedQ2_K-Last27Q3_K.gguf -p "Hello"

On an Apple M5 Max, the tested model reached approximately 514 tokens/second for a 4096-token prefill and 63 tokens/second steady-state generation.

Against 100 official continuation vectors, the mixed model obtained average NLL 0.2583, 87/100 first-token matches, and average matching-prefix length 9.50 tokens. The corresponding full Q4_K_M measurements were 0.2352, 92/100, and 10.86.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов: 5a540e5