Poolside Laguna S 2.1: 118B MoE обходит гигантов в кодинге

Технические характеристики и архитектура

Poolside AI выпустила модель Laguna S 2.1, которая позиционируется как одна из самых эффективных агентных моделей для программирования в своем классе. Архитектура основана на Mixture-of-Experts (MoE) с общим объемом 118 миллиардов параметров, но при генерации токена активными являются лишь 8 миллиардов. Это обеспечивает высокую скорость инференса и позволяет запускать модель на локальных машинах без необходимости в серверных кластерах. Контекстное окно составляет до 1 миллиона токенов в режимах с размышлением (thinking) и без.

Результаты на ключевых бенчмарках

Модель показала выдающиеся результаты, особенно на задачах с длинным горизонтом планирования. На терминальном бенчмарке Terminal-Bench 2.1 Laguna S 2.1 набрала 70.2%, что ставит ее в один ряд с моделями весом в сотни миллиардов параметров. Особое внимание привлекает результат на датасете DeepSWE (задачи с длительным циклом разработки), где модель превзошла многие закрытые аналоги.

Почему DeepSWE важен?

Результат на DeepSWE (40.4%) особенно показателен, так как этот датасет сложнее стандартных SWE-Bench задач: он требует от модели решения проблем с длинным горизонтом, где частичное решение не засчитывается. Laguna S 2.1 обходит здесь такие модели, как Gemini 3.5 Flash (37.0%) и даже DeepSeek-V4-Pro-Max (9.0% в их нативном хarnессе, хотя в официальных лигах они могут показывать другие цифры). Это доказывает, что компактная модель может эффективно справляться с долгосрочным планированием кода.

Прозрачность и доступность

Poolside сделала полный пакет данных открытым: веса модели доступны, а также опубликованы все траектории (trajectories) финальных тестов на платформе trajectories.poolside.ai. Это позволяет исследователям верифицировать результаты и изучать процесс «размышления» модели. Разработка модели заняла менее 9 недель, что свидетельствует об оптимизированном пайплайне пост-обучения (post-training), сфокусированном на распределении задач для агентов.

Значение для индустрии

Выпуск Laguna S 2.1 меняет парадигму: ранее считалось, что для сложных кодовых агентов необходимы модели весом в сотни миллиардов или триллионы параметров. Laguna S 2.1 доказывает, что при правильной архитектуре MoE и обучении можно достичь «frontier»-уровня на специфичных задачах, используя ресурсы, доступные для локального деплоя. Это открывает путь к более дешевым и быстрым AI-ассистентам для разработчиков.

Бенчмарки

Жирным — лучший результат в строке. Источник цифр — официальная публикация.

Источник: Poolside ↗