Для каких задач лучше всего подходит Laguna XS.2?

Модель специально разработана как эффективный кодинг-агент, поэтому она лучше всего справляется с написанием кода, отладкой и использованием инструментов в процессе разработки.

Какой объем контекста поддерживает эта модель на alltokens?

Laguna XS.2 поддерживает внушительное контекстное окно до 262 144 токенов, что позволяет анализировать целые репозитории или длинные технические задания.

Поддерживает ли модель функции рассуждения?

Да, модель поддерживает параметры reasoning и include_reasoning, что позволяет ей более последовательно подходить к решению сложных логических и технических задач.

Poolside: Laguna XS.2

POPoolsideОбновлено: 28 апреля 2026 г.

Laguna XS.2 — это компактная модель второго поколения от Poolside, специально оптимизированная для написания кода и работы в качестве ИИ-агента. Она сочетает в себе продвинутые способности к рассуждению и вызов инструментов при внушительном контекстном окне в 262 тысячи токенов.

Использовать через API

Метрики

Вход

13 ₽/M

Выход

25 ₽/M

Контекст

262k tokens

Параметры

Релиз

28 апреля 2026 г.

Поддерживаемые параметры

include_reasoningmax_tokensreasoningresponse_formatstructured_outputstemperaturetool_choicetools

Технический обзор

Laguna XS.2 — модель второго поколения в классе XS от Poolside, их серии эффективных агентов для кодирования. Она сочетает в себе возможности вызова инструментов и логического рассуждения при компактных размерах, предлагая...

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели Модели с длинным контекстом

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

Poolside: Laguna XS.2Текущая

Для чего

Контекст

262k

Цена ₽

13 / 25

Poolside: Laguna XS.2Текущая

262k

13 / 25

Модель

EssentialAI: Rnj 1 Instruct

Для чего

Обе модели относятся к классу эффективных инструктивных моделей для решения прикладных задач.

Контекст

33k

Цена ₽

19 / 19

EssentialAI: Rnj 1 Instruct

Обе модели относятся к классу эффективных инструктивных моделей для решения прикладных задач.

33k

19 / 19

Модель

allenai/olmo-3-7b-think

Для чего

Модели схожи по наличию механизмов рассуждения (reasoning) и ориентированы на высокую производительность при малом размере.

Контекст

—

Цена ₽

— / —

allenai/olmo-3-7b-think

—

— / —

Когда выбирать

Необходима разработка программного кода и автоматизация через ИИ-агентов
Требуется обработка больших объемов документации благодаря контексту 262k
Нужна поддержка структурированного вывода и вызова внешних инструментов

Когда не выбирать

Требуется работа с мультимодальным контентом, таким как изображения или видео
Необходима модель для глубоких научных исследований в узких областях
Задача требует использования максимально тяжелых LLM с сотнями миллиардов параметров