/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
6,8 млрд
Размер весов
122 ГБ
Лицензия
Своя лицензия
Архитектура
winnow_laguna · MoE
Базовая модель
Laguna-S-2.1
Библиотека
transformers
Опубликована
18 авг 2026

Laguna-S-2.1-winnow-keep50

Генерация текстаТекст → текст7 профессий

Сжатая методом winnow MoE-модель Poolside Laguna-S-2.1 для генерации кода, диалоговой разработки и агентной работы с инструментами.

44скачиваний за 30 дней0лайковвеса обновлены21 авг 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

hbfreed выпустил вариант Poolside Laguna-S-2.1, в котором методом winnow удалено 50% каналов промежуточного слоя маршрутизируемых экспертов. Это MoE-модель для генерации текста с архитектурой WinnowLagunaForCausalLM: из исходных 118 млрд параметров осталось 60,8 млрд; 80% экспертов сохранены с уменьшенной переменной шириной, а общий эксперт, внимание и эмбеддинги не изменялись. В README приведён размер 60,8 млрд параметров, тогда как метаданные указывают 6,8 млрд; это расхождение требует проверки. Модель использует формат safetensors и рассчитана на контекст до 1 048 576 токенов.

Модель предназначена для генерации и продолжения кода, диалогового программирования, агентных задач разработки и взаимодействия с инструментами. В описанном тесте HumanEval она показала pass@1 89,6%, однако результат получен с определённым протоколом извлечения ответа и INT8-подачей экспертов и не сопоставим напрямую с опубликованными результатами других тестов. README сообщает, что для serving с INT8-масштабированием нужны три GPU по 24 ГБ и специальный плагин vLLM для winnow; обычный tensor parallelism не поддерживается. Производная сохраняет лицензию OpenMDW-1.1 базовой модели.

Сценарии применения

  • генерация и продолжение программного кода
  • диалоговая помощь при разработке
  • решение агентных задач разработки
  • взаимодействие с инструментами в рабочих процессах программирования

Ограничения

Для обслуживания с INT8-весами экспертов README указывает на необходимость трёх GPU по 24 ГБ и специального плагина vLLM; tensor parallelism не поддерживается. Результат HumanEval получен в конкретном протоколе и не сравним напрямую с оценками, рассчитанными другими методами.

Для каких профессий подходит7

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

Laguna-S-2.1 · Winnow keep-50

poolside/Laguna-S-2.1 (118B-A8B) with 50% of routed-expert channels removed by winnow variable-width expert pruning — 60.8B parameters, no healing/retraining.

Instead of deleting whole experts (REAP-style), winnow shrinks each expert's SwiGLU intermediate width according to a per-channel importance score (router_weight × |post-SwiGLU activation| × down-projection column L2), allocated by a per-layer global rank. 80% of experts survive at reduced, ragged widths; the shared expert, attention, and embeddings are untouched.

Scoring, pruning, and evaluation all ran layer-streamed on 3×RTX 3090 (the source model never fit in memory): one decoder layer resident per GPU, residual streams ping-ponged through disk, calibration data-parallel across GPUs. Calibration: 2.1M tokens of bigcode/the-stack-smol.

Results (unhealed)

modelparamsheld-out code pplHumanEval pass@1
Laguna-S-2.1 (base)118B2.947—
keep-75 (here)89.2B2.980 (+1.1%)—
keep-50 (this repo)60.8B3.399 (+15.3%)89.6%
  • Perplexity: 64 held-out the-stack-smol sequences (2048 tokens each), identical ruler for all three rows, computed layer-streamed.
  • HumanEval: greedy, chat-extract protocol, thinking disabled, max 1280 new tokens, INT8-expert serving. Not comparable to raw-completion HumanEval numbers or to poolside's published agentic benchmarks (SWE-bench, Terminal-Bench 2.1), which use a different harness and far larger budgets.
  • Qualitative agentic check: with a 16k serving context the model autonomously solved several classic Terminal-Bench 1.0 core tasks end-to-end on the same 3×3090 host; most failures were context exhaustion, not task competence.

Serving

At INT8 W8A16 expert weights this model serves on 3×24GB GPUs via the winnow vLLM plugin (ragged experts are not representable in stock FusedMoE):

vllm serve hbfreed/Laguna-S-2.1-winnow-keep50 \
  --enforce-eager --pipeline-parallel-size 3 --quantization experts_int8 \
  --max-model-len 16384

Measured on 3×3090: 34 tok/s single-stream, ~150 tok/s at batch 8. Tensor parallelism is unsupported (packed ragged weights don't shard); pipeline parallelism is the intended mode.

Reference (unfused) loading works with plain transformers ≥ 5.13:

from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained(
    "hbfreed/Laguna-S-2.1-winnow-keep50", trust_remote_code=True)

winnow.json records the full pruning plan, calibration provenance, and per-expert channel indices.

Pruned with winnow's stream-prune; see the winnow repository for the method writeup. Base model by poolside, released under OpenMDW-1.1; this derivative keeps that license.

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
WinnowLagunaForCausalLM
Ревизия весов
9afc3c8

0 моделей