Poolside Laguna S 2.1：1Mコンテキスト長を持つ118Bオープンソースコーディングモデル

はじめに

Poolsideは、Laguna S 2.1をリリースしました。これは、これまで公開された中で最も強力なコーディングモデルです。

このモデルは、エージェンティックソフトウェアエンジニアリングと長期タスク向けに設計されています。総パラメータ1180億、トークンあたり約80億パラメータを活性化し、思考モードと非思考モードの両方で最大1,048,576トークンのコンテキストウィンドウをサポートします。

Poolsideは、OpenMDW-1.1ライセンスの下でモデルウェイトを公開しています。同社はHugging Faceを通じていくつかの公式チェックポイントと量子化フォーマットも提供しており、OpenCodeは期間限定で無料ホスティング版を提供しています。

これらの詳細により、Laguna S 2.1は異例のリリースとなっています。これは、毎回のトークン生成で完全な1180億パラメータのネットワークを通過することなく、強力なコーディングエージェント性能を提供することを目的としており、十分に強力なハードウェアを持つチームであればプライベートデプロイが可能です。

同時に、今回のリリースに関するいくつかの主張は、状況に応じて解釈する必要があります。ベンチマークスコアは主にPoolsideが報告したものであり、すべてのホスティングプロバイダーが完全な100万トークン容量を公開しているわけではなく、「1台のDGX Sparkで動作するほど小さい」という表現は、このモデルが一般的な開発者用ノートPCでスムーズに動作することを意味するものではありません。

Laguna S 2.1とは？

Laguna S 2.1は、ソフトウェアエンジニアリング、端末作業、ツール使用、コーディングエージェントワークフロー向けに特別にトレーニングされたテキスト間基礎モデルです。

これはPoolsideの他の2つのモデルの間に位置します：

モデル	総パラメータ	トークンあたり活性化パラメータ	コンテキストウィンドウ	位置づけ
Laguna XS 2.1	33B	3B	256K	より高速なローカルおよび短期コーディング
Laguna S 2.1	118B	約8B	1M	より強力な長期エージェントコーディング
Laguna M.1	225B	23B	256K	複雑なエージェントタスク向けのより大規模なモデル

Poolsideによると、Laguna S 2.1はトレーニング開始からリリースまでわずか9週間未満でした。これはLaguna XS 2.1と同じ事前トレーニングデータ系列に基づいてトレーニングされ、スケーリング、トレーニングコード修正、レシピ変更、新しいポストトレーニングワークによって性能向上を実現しています。

同社はS 2.1を、日常的な機能開発、複数ファイルの変更、端末タスク、より長いコーディングセッションにおいて現時点で最も強力なモデルと説明しています。

コアモデル仕様

公式モデルカードには以下のアーキテクチャが記載されています：

仕様	Laguna S 2.1
アーキテクチャ	混合エキスパートモデル
総パラメータ	118B
活性化パラメータ	トークンあたり約8B
層数	48
グローバルアテンション層	12
スライディングウィンドウ層	36
スライディングウィンドウサイズ	512トークン
ルーティングエキスパート数	256
選択されるエキスパート数	上位10個
共有エキスパート数	1
コンテキストウィンドウ	1,048,576トークン
モダリティ	テキスト入力およびテキスト出力
推論	インターリーブ思考、リクエストごとに制御可能
語彙サイズ	100,352トークン

このモデルはグループ化クエリアテンションと、グローバルおよびスライディングウィンドウアテンションの混合を使用しています。Poolsideはトレーニング済みの...

投機的復号化のためのDFlashドラフトモデル

推論スタックが対応している場合、このモデルはサービングレイテンシを低減できます。

混合エキスパート（MoE）設計方式の仕組み

Laguna S 2.1は1180億のパラメータを含みますが、すべてのトークンですべてのパラメータが活性化されるわけではありません。

そのルーターはトークンごとに一部のエキスパートを選択し、実際に計算に関与するパラメータは約80億です。これがPoolsideがこのモデルを同規模の稠密モデルよりも効率的と主張する主な理由です。

簡略化した比較表は以下の通りです：

稠密モデル	混合エキスパートモデル
トークンごとにほとんどのパラメータが関与	選択されたエキスパートのみが関与
計算量は総規模に比例	計算量は総規模を大幅に下回る可能性
ルーティング動作はシンプル	ルーティングとサービングはより複雑
メモリは完全なモデルウェイトに依存	メモリも全ウェイトと選択された精度に依存

効率性の優位性をメモリ使用量の小ささと誤解してはいけません。

トークンあたりわずか80億パラメータしか活性化されない場合でも、システムは完全なエキスパートウェイトにアクセスする必要があります。公式GGUFファイルが実際の規模を示しています：

公式GGUFファイル	概算サイズ
F16	235GB
Q8_0	128GB
Q4_K_M	75GB
DFlash BF16ドラフトモデル	2.2GB

4ビット量子化版は全精度モデルよりも管理しやすいですが、75GBでも非常に高い統合メモリまたはアクセラレーテッドメモリを備えたワークステーションが必要であり、さらにコンテキストキャッシュやランタイム用の追加スペースが必要です。

100万トークンコンテキストウィンドウ

ベースモデルは最大1,048,576トークンのコンテキスト長をサポートします。

コーディングエージェントにとって、大きなコンテキストウィンドウは以下のタスクで効果を発揮します：

• 大規模コードベース
• 多数の関連ソースファイル
• 長い端末履歴
• ビルドおよびテストログ
• APIドキュメント
• アーキテクチャ説明
• 以前のエージェントの決定
• 複数ツールの出力
• 長期リファクタリング作業

100万トークンの制限は、すべてのリクエストでウィンドウ全体を埋めるべきという意味ではありません。

長いコンテキストはメモリ使用量、プリフィル時間、サービングコストを増加させます。また、無関係な情報をもたらし、モデルの作業を困難にする可能性があります。優れたコーディングエージェントフレームワークでも、ファイル選択、検索、要約、キャッシュ、コンテキスト管理機能が必要です。

ホスティングプラットフォームは、ベースモデルがサポートするコンテキスト制限よりも低い制限を公開する場合があります。OpenCodeのリリース発表では100万コンテキストをサポートすると主張していますが、最大値に基づいてワークフローを設計する前に、ユーザーは現在のモデルエントリとプロバイダーポリシーを確認する必要があります。無料またはプレビューエンドポイントでは、コンテキスト制限や可用性がいつでも変更される可能性があります。

思考モードと非思考モード

Laguna S 2.1は、推論有効モードと非思考モードの両方をサポートします。

対応する推論APIでは、enable_thinkingオプションを使用してリクエストごとに推論モードを制御できます。

2つのモードは異なるタスクに適しています：

思考モード

このモードは、計画や途中での推論が必要な作業に適しています。例えば：

• 複雑な障害のデバッグ
• 複数ファイルにわたる変更の調整
• 移行計画の設計
• 未知のコードベースの調査
• 一連の端末ツールの実行
• 複数の実行可能なアプローチを使用した問題解決

非思考モード

非思考モードは以下のシナリオにより適しています：

• 小規模な修正
• 直接的なコード生成
• フォーマット調整
• 単純な変換
• 低レイテンシ補完
• 反復性の高い日常作業

推論モードはすべてのタスクに自動的に適しているわけではありません。通常、より多くのトークンを消費し、より長い時間がかかります。チームは自身のコードベースに対して両方のモードを評価し、主観的な出力品質だけでなく、タスク完了率によって効果を測定する必要があります。

Poolsideが報告したベンチマーク結果

PoolsideはLaguna S 2.1のテスト結果を以下のように発表しています：

ベンチマーク	報告スコア
Terminal-Bench 2.1	70.2%
SWE-Bench多言語版	78.5%
SWE-Bench Pro（公開データセット）	59.4%
DeepSWE	40.4%
SWE Atlas（コードベースQA）	46.2%
Toolathlon Verified	49.7%

Poolsideは、ほとんどのスコアがpass@1指標に基づき、複数テストの平均値であると述べています。その公開軌跡アーカイブは、

Terminal‑Bench 2.1 の実行記録により、開発者はエージェントが個別のタスクを処理する過程をより明確に把握できるようになります。

結果は、Laguna S 2.1 が、より大きな総パラメータ数を持つ複数のモデルと競合できることを示しています。

ただし、ベンチマーク表の解釈には注意が必要です。

ベンチマーク結果は汎用的な製品ランキングではありません

結果は以下の要因によって異なる可能性があります：

• エージェントフレームワーク
• システムプロンプト
• ツール定義
• タイムアウト設定
• 試行回数
• サンプリングパラメータ
• テストバージョン
• リポジトリ設定
• 推論精度
• コンテキスト設定
• スコアの出典（モデル開発元 vs 独立評価機関）

Poolside のモデルページによると、比較表では競合モデルのサプライヤー報告、ベンチマークリーダーボード、または第三者リーダーボードにおける最高データを使用している場合があります。この手法はマクロ比較に適していますが、統一された評価設定で全モデルをテストする方法とは異なります。

最も確実な結論は、Laguna S 2.1 がその有効パラメータクラスにおいて強力なパフォーマンスを発揮するということです。本番環境向けコーディングモデルを選択するチームは、自社の問題セット、リポジトリ、ツールチェーン、およびレビュー基準を用いてテストを行うべきです。

OpenMDW‑1.1 ライセンスに基づくオープンウェイト

Poolside は OpenMDW‑1.1 ライセンスの下で Laguna S 2.1 を公開しました。このモデル素材ライセンスは OpenMDW プロジェクトによって管理されています。

本ライセンスは、条項を遵守することを条件に、モデル素材を無償で使用、変更、再配布する広範な権利をユーザーに付与します。再配布時には、ライセンスおよび関連する著作権または出典表示を保持する必要があります。

また、本モデルを使用して生成された出力はライセンスの制約を受けません。

実際の適用に際して、開発者は以下の用語を区別する必要があります：

• オープンウェイト： 学習済みモデルパラメータをダウンロード可能。
• オープンソースソフトウェア： ソースコードがオープンソース基準を満たすソフトウェアライセンスで公開されている。
• オープンモデル： ウェイト、アーキテクチャ、ドキュメント、学習データ、学習コードを含む可能性のある広義の用語。

Laguna S 2.1 は明確にオープンウェイトの公開に該当します。Poolside と OpenCode は、人工知能技術の発展と応用に共同で貢献しています。

公開資料では「オープンソース」という強い表現が使用されていますが、組織は再配布や商用展開の前に、OpenMDW‑1.1 の実際の条文、Poolside の責任ある使用ガイドライン、サードパーティ依存関係、および自社の法的要件を確認する必要があります。

本ライセンスは、モデル素材を「現状のまま」提供し、いかなる保証も伴いません。ユーザーは、正確性、安全性、適合性、およびコンプライアンスについて自らテストする責任を負います。

Laguna S 2.1 が OpenCode で期間限定無料提供

OpenCode は、プロモーション期間中、Laguna S 2.1 を OpenCode Zen を通じてモデル使用料なしで無料利用できると発表しました。

これにより、75～235 GB のチェックポイントファイルをダウンロードしたり、ローカル推論ハードウェアを実行したりすることなく、低ハードルでテストする方法が提供されます。

OpenCode のドキュメントでは、2 つの重要な点が指摘されています：

1. 無料提供は一時的であること。
2. 無料の Laguna S 2.1 サービスからの入出力は、モデル改善のために収集・使用される可能性があること。

したがって、ユーザーは以下を送信しないようにする必要があります：

• プロプライエタリなソースコード。
• 顧客データ。
• 認証情報。
• 秘密鍵。
• 機密アーキテクチャ文書。
• セキュリティ関連ログ。
• 規制対象または個人情報。

無料プレビューは、公開コードベース、合成プロジェクト、低リスク評価に適しています。プライベートな企業コードを使用したテストは、プラットフォームの現行データポリシー、保持条項、ワークスペース制御、および利用可能な有料オプションやセルフホストオプションを確認した上でのみ行うべきです。

Laguna S 2.1 を試す方法

オプション 1：無料の OpenCode モデルを使用する

OpenCode は公式インストーラでインストールできます：

curl -fsSL https://opencode.ai/install | bash

インストール後、OpenCode Zen に接続し、現在リストされている Laguna S 2.1 無料モデルを選択します。

プレビュー期間中、正確なモデル名、コンテキスト制限、使用上限、可用性は変更される可能性があります。長時間のタスクを開始する前に、OpenCode Zen のドキュメントとモデルセレクタを確認してください。

オプション 2：Docker モデルランナーでベースモデルを実行する

公式 Hugging Face モデルカードでは以下のコマンドが提供されています：

docker model run hf.co/poolside/Laguna-S-2.1

必要なダウンロードサイズとメモリ量は、実行時に選択したフォーマットによって異なります。モデルファイルを作業ステーションやサーバーにプルする前に、モデルファイルを確認してください。

オプション 3：llama.cpp で公式 GGUF 量子化を提供する

Poolside は公式 GGUF リポジトリと、Laguna 互換の llama.cpp ブランチを提供しています。

git clone --branch laguna https://github.com/poolsideai/llama.cpp
cd llama.cpp
cmake -B build
cmake --build build -j

./build/bin/llama-server \
  -hf poolside/Laguna-S-2.1-GGUF:Q4_K_M \
  --jinja \
  --port 8000

Q4_K_M ファイルのサイズは約 75 GB です。システムは、特に長いコンテキストを使用する場合、ランタイムオーバーヘッドと KV キャッシュ用のメモリも必要とします。

オプション 4：DFlash 投機的デコードを追加する

公式手順には、オプションの DFlash ドラフトモデルが含まれています：

./build/bin/llama-server \
  -m laguna-s-2.1-Q4_K_M.gguf \
  -md laguna-s-2.1-DFlash-BF16.gguf \
  --spec-type draft-dflash \
  --spec-draft-n-max 15 \
  -fa on \
  --jinja \
  --port 8000

投機的デコードは生成速度を向上させる可能性がありますが、具体的な結果はハードウェア、プロンプト形式、コンテキスト長、ビルド設定、およびドラフトモデルの受理率に依存します。

本当に単一の NVIDIA DGX Spark で動作するのか？

Poolside は、Laguna S 2.1 が単一の NVIDIA DGX Spark で動作するのに十分小さいと主張しています。

適切な量子化チェックポイントであれば、DGX Spark が大容量ユニファイドメモリ構成を中心に設計されているため、これは実現可能です。しかし、すべてのモデルフォーマット、コンテキストサイズ、またはサービングパターンがすぐに適合するわけではありません。

ユーザーはそれぞれ以下の 4 つの質問をする必要があります：

1. ウェイトはロードできるか？
2. ランタイムオーバーヘッド後、どの程度のコンテキスト長をサポートできるか？
3. どのようなトークン生成速度が達成できるか？
4. システムは同時にいくつのエージェントセッションを処理できるか？

理論上ロードできるモデルでも、極端なコンテキスト長ではインタラクティブなコーディングに使用できないほど遅くなる可能性があります。スループット、最初のトークン生成時間、消費電力、同時ワークロードは、それぞれ個別に測定する必要があります。

ローカルデプロイに関するコミュニティレポート

初期の AIBase レポートでは、128 GB ユニファイドメモリを搭載した Apple M3 Max システムと Poolside の llama.cpp ブランチを使用したコミュニティテストが引用されていました。

75 GB の Q4_K_M チェックポイントは、これらのデプロイを技術的に実行可能にしますが、エクスペリエンスは以下の要因によって大きく異なります：

• メモリプレッシャー。
• コンテキストサイズ。
• 量子化レベル。
• プロンプト長。
• CPU および GPU オフロード。
• 放熱制限。
• 投機的デコード。
• ユニファイドメモリを使用する他のアプリケーション。

コミュニティレポートを信頼できるハードウェア推奨として扱うべきではありません。開発者は公式ファイルサイズを参照し、モデルをダウンロードする前に十分なメモリ余裕を確保してください。

Laguna S 2.1 がエージェント型コーディングにとって重要な理由

Laguna S 2.1 は、コーディングモデル分野におけるいくつかの広範な変化を反映しています。

小規模なアクティブ計算量の重要性が増している

巨大な総パラメータ数は容量を提供しますが、スパースアクティベーションは単一トークンあたりの計算量を制御するのに役立ちます。これにより、

長時間実行エージェントにMoEアーキテクチャが適する

MoEアーキテクチャは、数分から数時間にわたって動作するコーディングエージェントにとって特に有効である。

長いコンテキストがオープンウェイトモデルに浸透

100万トークンのウィンドウは、かつては主にホスト型のプロプライエタリモデルに限られていた。これがオープンウェイトのコーディングモデルに登場したことで、チームは長期リポジトリ実験やプライベートデプロイメントにおいてより多くの制御権を得られるようになった。

エージェントフレームワークが鍵

Poolsideは独自のエージェントフレームワーク内でLagunaモデルをトレーニングしており、この環境または互換性のあるAgent Client Protocol（ACP）クライアント内で最高のパフォーマンスを発揮すると述べている。

コーディングベンチマークが測定するのは、単なる生の次トークン予測能力ではなく、モデルとエージェントからなるシステム全体である。ツール使用、コンテキスト選択、リトライロジック、端末アクセス、パッチ適用はすべて、パフォーマンスに実質的な影響を与える。

オープンウェイトで導入の選択肢が拡大

組織はファイルの検査、ランタイムの選択、モデルの量子化、プライベートインフラへの導入、そして社内のコーディングエージェントへの接続が可能になる。

この柔軟性は、機密性の高いソースコードやネットワークアクセスが制限された環境にとって特に価値がある。

プロダクション環境で使用する前に考慮すべき制限事項

テキストのみのモダリティ

公式モデルカードは、Laguna S 2.1をテキスト間モデルとして説明している。ネイティブの画像、音声、動画モデルではない。

高いメモリ要件

アクティブパラメータ数は比較的少ないが、マルチモーダル全体の重みは依然として大きい。通常のノートパソコンでは公式の高品質フォーマットには対応できない。

長いコンテキストはコスト高になりうる

100万トークンの最大容量は、日常的な使用における効率的な100万トークン処理を意味しない。プリフィル遅延やKVキャッシュメモリはかなりのものになる可能性がある。

ベンチマークの社内検証が必要

注目すべき公開プログラミングスコアがあっても、自社の言語スタック、ビルドシステム、コーディング規約、プライベートフレームワークで同様のパフォーマンスが出るとは限らない。

無料ホスト型アクセスにはデータ影響の可能性あり

OpenCodeの無料期間のドキュメントによれば、収集された入力と出力はモデル改善に使用される可能性がある。承認されたポリシーなしに機密コードを送信すべきではない。

エージェント型プログラミングは実システムを変更しうる

広範な権限を持つプログラミングエージェントは、ファイルの削除、コマンドの実行、依存関係の変更、セキュリティホールの持ち込みを行う可能性がある。

使用にあたっての注意点：

• バージョン管理
• 分離されたワークスペース
• 最小権限の認証情報
• 人的レビュー
• テスト環境
• バックアップ
• コマンド承認

Laguna S 2.1を評価すべきユーザー

Laguna S 2.1は以下に最適：

• 自律型プログラミングエージェントを構築するチーム
• プロプライエタリなコーディングAPIの代替を評価する開発者
• プライベートモデルのデプロイメントを必要とする組織
• 長周期ソフトウェアエンジニアリングを研究する研究者
• 大容量メモリのワークステーションまたはサーバーを有するインフラチーム
• OpenAI互換またはACPベースのエージェントクライアントを使用するツールビルダー

以下にはあまり適さない：

• ノートパソコンのみの軽量ワークフロー
• 単純なオートコンプリート
• モバイルへのデプロイメント
• 75GB以上のモデルを実行するインフラがないチーム
• 強力なサンドボックスがない高リスクなプロダクション自動化
• ネイティブなマルチモーダル入力を必要とするワークロード

よくある質問

Poolside Laguna S 2.1とは？

Laguna S 2.1は、1180億パラメータの混合エキスパート（MoE）モデルで、エージェント型プログラミングおよび長周期ソフトウェアエンジニアリングタスク向けに設計されている。トークンあたり約80億パラメータをアクティブ化し、最大1,048,576トークンのコンテキストウィンドウをサポートする。

Laguna S 2.1は完全にオープンソースですか？

その重みはOpenMDW-1.1ライセンスの下で公開されており、「オープンウェイト」という表現が最も正確である。再配布や商用導入の前に、ライセンス条項、モデルドキュメント、利用ガイドライン、およびサードパーティコンポーネントを確認する必要がある。

Laguna S 2.1はOpenCodeで無料ですか？

OpenCodeは現在、期間限定でLaguna S 2.1の無料オプションを提供している。可用性、コンテキスト制限、レート制限、データ利用条件は変更される可能性があるため、依存する前に現在のOpenCode Zenドキュメントを確認すること。

無料版のOpenCodeは100万トークンのコンテキストウィンドウを持ちますか？

OpenCodeの発表では、ベースモデルの最大容量と一致する100万トークンのコンテキストを宣伝している。ホスト型エンドポイントは異なる制限を実装する可能性があるため、非常に長いコンテキストを送信する前に、OpenCode内でアクティブなモデル設定を確認すること。

Laguna S 2.1はMacで動作しますか？

コミュニティの報告によれば、量子化バージョンは128GBのM3 Max構成を含む、大容量メモリのApple Siliconシステムで動作する可能性がある。パフォーマンスと利用可能なコンテキストは、量子化方式、ランタイム環境、利用可能なメモリ、システム負荷に依存する。

Laguna S 2.1は1台のDGX Sparkで動作しますか？

Poolsideは、適切なバージョンであれば1台のNVIDIA DGX Sparkで実行可能としている。実現可能なコンテキスト長、トークン速度、同時実行性は、チェックポイント形式とサービング設定に依存する。

Laguna S 2.1のベンチマークスコアは？

Poolsideは、Terminal-Bench 2.1で70.2%、SWE-Bench Multilingualで78.5%、公開SWE-Bench Proデータセットで59.4%、DeepSWEで40.4%を報告している。これらの数値は、同社のテスト方法論と独立したテストと合わせて評価すべきである。

Laguna S 2.1は推論制御をサポートしますか？

はい。公式モデルカードは、インターリーブ思考をサポートし、互換性のあるサービングシステムにおいてリクエストごとに推論を有効または無効にできることを示している。

関連ツール

• Poolside：Lagunaシリーズのファンデーションモデルをスマートコーディング向けに開発する企業。
• OpenCode：オープンソースのコーディングエージェントで、現在期間限定でLaguna S 2.1への無料アクセスを提供。
• Hugging Face：Laguna S 2.1の重み、ドキュメント、フォーマット、使用ガイドの公式リポジトリ。
• llama.cpp：ネイティブ推論ランタイムで、LagunaシリーズのGGUFモデルを継続的にサポート。
• Docker Model Runner：サポート対象のローカルモデルをダウンロードおよびサービングするためのDockerツール。
• OpenRouter：OpenAI互換APIを介してPoolsideモデルにアクセスするためのホスト型APIオプション。

関連リンク

• 公式Laguna S 2.1リリース発表：Poolsideによるアーキテクチャ、トレーニング、ベンチマークの位置づけを解説した記事。
• Laguna S 2.1モデルカード：公式仕様、ベンチマーク表、サービングガイド、推論制御、ライセンス情報。
• 公式Laguna S 2.1 GGUFリポジトリ：量子化ファイルサイズとllama.cppサービングの説明。
• Laguna S 2.1軌跡アーカイブ：Poolside Terminal-Bench 2.1評価からの公開エージェント軌跡。
• OpenCode Zenドキュメント：現在の無料モデルの可用性、使用ポリシー、プライバシー条項、アカウント情報。
• OpenMDW-1.1ライセンス：公開されたモデル資料を管理するライセンス。

Poolsideモデルディレクトリ：Laguna S 2.1、XS 2.1およびLagunaモデルファミリー全体の公式比較。

まとめ

Poolside Laguna S 2.1は総パラメータ数118B、トークンごとに約8Bのアクティブパラメータ、100万トークンのコンテキストウィンドウ、制御可能な推論を備え、複数の形式で正式にウェイトが公開されています。

Poolsideは、Terminal-Bench 2.1での70.2%、DeepSWEでの40.4%を含む、端末およびソフトウェア工学ベンチマークでの強力なパフォーマンスを報告しています。これらの成績により、本モデルは同サイズクラスで際立った存在となっていますが、チームは自社のリポジトリおよびエージェントフレームワーク上で性能を再現する必要があります。

OpenCodeの期間限定無料アクセスにより、モデルは容易にテスト可能であり、ダウンロード可能なウェイトによりプライベートデプロイが可能となる一方で、多大なメモリ要件、ホスティングサービスポリシーの変更、および自律型コーディングエージェントの運用リスクという代償を伴います。

Laguna S 2.1は、長周期のコーディングタスクにおいて有意義なオープンソースウェイトリリースですが、その真の価値はエージェント統合、デプロイ効率、そして実際の開発作業でのパフォーマンスにかかっており、単なる100万コンテキストトークンというラベルではありません。