/ Модель

Характеристики

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

Laguna-S-2.1-winnow-keep75

Генерация текстаТекст → текст8 профессий

Уменьшенная методом pruning версия текстовой MoE-модели Poolside Laguna-S-2.1 для генерации кода и агентных задач разработки.

45скачиваний 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

Laguna-S-2.1 · Winnow keep-75 — это производная текстовая MoE-модель для генерации кода и агентных задач разработки, созданная на основе poolside/Laguna-S-2.1. Разработчик уменьшил внутреннюю ширину каналов маршрутизируемых экспертов на 25% методом variable-width expert pruning; общие эксперты, внимание и эмбеддинги не затронуты. После обрезки заявлено 89,2 млрд параметров вместо 118 млрд у исходной модели; переобучение после обрезки не проводилось.

Модель предназначена для генерации и анализа кода, а также для автономного выполнения задач разработки в диалоговом режиме. В README приведены результаты на кодовом корпусе и качественная проверка на задачах Terminal-Bench 1.0; при контексте обслуживания 16 тыс. токенов основным источником неудач называлось исчерпание контекста. Метаданные указывают нативный контекст до 1 048 576 токенов, но для описанной конфигурации обслуживания приведён лимит 16 384 токена.

Репозиторий содержит веса safetensors и предполагает запуск через Transformers или специализированный плагин vLLM для поддержки экспертов переменной ширины. Для serving в INT8 README указывает потребность примерно в двух GPU по 80 ГБ или четырёх по 40 ГБ; обычное разделение tensor parallelism не поддерживается. Сохраняется лицензия базовой модели OpenMDW-1.1.

Сценарии применения

  • генерация исходного кода по запросу
  • автономное выполнение задач разработки в агентном режиме
  • решение задач из Terminal-Bench
  • анализ и продолжение фрагментов кода

Ограничения

После pruning модель не переобучалась; результаты HumanEval для keep-75 не приведены. Для обслуживания требуется значительная GPU-память и специализированный плагин vLLM, а контекст может исчерпываться при агентных задачах.

Для каких профессий подходит8

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-75

poolside/Laguna-S-2.1 (118B-A8B) with 25% of routed-expert channels removed by winnow variable-width expert pruning — 89.2B 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. 97.7% 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 (this repo)89.2B2.980 (+1.1%)—
keep-50 (here)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 ~95GB INT8 this model does NOT fit on 3×24GB GPUs; it needs ~2×80GB (or 4×40GB) cards, 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

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
WinnowLagunaForCausalLM
Ревизия весов
b5b52ec

0 моделей