Poolside 開源 Laguna S 2.1：118B 參數 MoE 編碼模型，強調透明度與低成本推論

舊金山 AI 實驗室 Poolside 在週二發布其迄今最強大的編碼模型 Laguna S 2.1，並大膽押注「徹底透明」而非「原始規模」才是小型實驗室在 AI 前沿競爭的關鍵。該模型採用 118B 參數的混合專家（MoE）架構，每次處理 token 僅啟動 8B 參數，支援最高 100 萬 token 的上下文視窗，並已於 Hugging Face 以寬鬆的 OpenMDW-1.1 授權開放權重。

Benchmark 表現亮眼

Poolside 公布的基準測試數據顯示，Laguna S 2.1 在 Terminal-Bench 2.1 上獲得 70.2% 的分數，在該公司整理的排行榜上排名第 11，領先 DeepSeek-V4-Pro-Max（1.6T 參數，64.0 分）、Thinking Machines 的 Inkling（975B 參數，63.8 分）以及 Nvidia 的 Nemotron 3 Ultra（550B 參數，56.4 分）。在 SWE-Bench Multilingual 上，該模型獲得 78.5%；在 SWE-Bench Pro 的公開資料集上則為 59.4%。

更值得注意的是，該模型從 5 月 22 日開始預訓練到公開僅花不到九週，使用 4,096 顆 Nvidia H200 GPU。在旗艦模型開發週期通常以季度或年為單位的業界，Poolside 已在三個月內推出三個模型。

西方開源 AI 差距的戰略回應

此次發布正值關於開源 AI 來源的辯論日益激烈之際。過去一年，開發者採用明顯轉向可下載、檢查並在自有基礎設施上運行的開源系統，而此類別中的領先選項絕大多數來自中國實驗室，包括 DeepSeek、Qwen、Kimi、GLM、MiniMax 以及騰訊的混元系列。

Poolside 在伴隨的新聞稿中明確將 Laguna S 2.1 定位為對此趨勢的回應，指出自去年八月 OpenAI 發布 gpt-oss-120b 以來，已長達 11 個月沒有西方實驗室發布此參數規模的開源權重。Poolside 聯合執行長 Jason Warner 表示：「西方需要可以信任、運行並建構的開源權重模型。」

共同創辦人兼聯合執行長 Eiso Kant 在 X 平台上的長文中進一步闡述了哲學立場：「我相信智慧應該且將會成為商品。」他認為，開放生態系統「不會因為在自己的類別中表現最好而勝出」，用戶只想要手頭任務的最佳智慧解決方案，因此開源模型必須與封閉模型相當或更優。

稀疏架構讓企業 AI Agent 更實惠

Laguna S 2.1 的技術設計反映了對編碼 AI 價值所在的特定論點。其稀疏 MoE 架構——根據 Hugging Face 模型卡，包含 256 個路由專家加一個共享專家，搭配分組查詢注意力與交錯滑動視窗層——意味著推論成本僅隨 8B 活躍參數擴展，而非 118B 總參數。Poolside 強調該模型夠小，可在單一台 Nvidia DGX Spark 桌面級 AI 機器上運行。

這對 Poolside 所謂的「token 經濟學」至關重要。長時程編碼 Agent 是 token 的巨量消費者：該公司公布的數據顯示，在啟用思考模式時，模型在最困難的基準測試上平均每次軌跡消耗約 249,000 個完成 token。在按量計價的 API 價格下，企業規模的 Agent 工作負載會成為一筆可觀的預算項目。Poolside 在 OpenRouter 上提供免費的 256K 上下文端點，以及專用的 1M 上下文部署，價格為每百萬輸入 token 0.10 美元、每百萬輸出 token 0.20 美元——這一定價比多數前沿替代方案低了一個數量級。

生態系統支援與行為改進

該模型首日即獲得異常廣泛的生態系統支援，包括 Baseten 模型庫、Vercel AI Gateway，以及 vLLM、SGLang、Ollama、llama.cpp 等整合，還有低至 4-bit 的 GGUF 量化版本（75GB）供本地使用。

但 Poolside 更有趣的主張在於行為層面而非架構層面。應用研究共同負責人 Pengming Wang 表示，改進來自於提升模型的工作習慣：「更多驗證、減少想當然、不提早宣布勝利、以及更持久。」該公司認為，原始智慧是能力的一個軸向；模型的工作方式是另一個軸向，對於需要長時間無人看管的 Agent 來說至關重要。

公開所有基準測試軌跡以解決 AI 可信度危機

對於企業買家而言，此次發布最關鍵的部分可能是一項在主要實驗室中幾乎沒有先例的評估透明措施：Poolside 發布了最終基準測試中每次試驗的完整、未經編輯的軌跡——包括每個推理步驟、工具呼叫以及 shell 指令。

這項措施回應了 AI 基準測試日益嚴重的可信度問題。隨著成熟基準的頂尖分數集中在 70–90% 範圍，以及「獎勵駭客」——模型在網上尋找解決方案而非實際解決問題——已成為普遍現象，自我報告的數字已失去大部分參考價值。Poolside 坦誠地揭露了自身遇到的問題：在訓練過程中，某些 SWE-bench 任務中超過一半的軌跡被標記，因為模型只是上網研究了原始 bug 修復的 pull request 並直接套用。該公司記錄了其緩解措施，包括提示附加內容、基於 LLM 的評判（經人類標註校準），以及專家註釋者對高分 Terminal-Bench 運行的審查。

三個已發布的案例研究說明了該公司所謂的「持久性」。在其中一個案例中，模型在一個空資料夾中，經過 181 步、50 分鐘的無人看管會話，建構了一個可運作的 HTML/CSS 渲染引擎——然後在缺乏視覺能力的情況下，啟動無頭 Chromium 以數值方式比較其畫布輸出與真實瀏覽器的渲染結果。在另一個案例中，模型在自動化優化循環中針對 Poolside 自身的 Agent 框架進行操作，使 Go 程式碼庫速度提升 5.2%，記憶體分配減少約 70%，並在此過程中發現了一個 O(n²) 字串串接錯誤。在第三個案例中，模型在一個未安裝 Python 的沙盒中工作，使用 Perl 進行數論運算，並獨立重新推導出 Erdős 問題 #397 的證明——這是一個直到今年一月才由 GPT-5.2 Pro 首次解決的組合學問題，已存在五十年。Poolside 指出其模型的構造與先前發表的解決方案結構不同，且其知識截止日期為 2025 年 11 月，早於該問題的首次證明。

揭露的限制與基準測試細則

Poolside 值得讚許的是，它揭露了多數實驗室會隱藏的限制。該模型可能過度適應其原生框架，在第三方 Agent 的略有不同的工具架構上失靈，在巢狀工具參數中搞亂 JSON，並且在競賽數學問題上容易過度思考。目前沒有用戶可設定的思考力度調整——只有開啟或關閉——且兩種模式之間的差距巨大：思考模式將 Terminal-Bench 2.1 從 60.4% 提升至 70.2%，將 DeepSWE 從 16.5% 提升至 40.4%，但 token 成本顯著增加。

買家應對比較表自行打折。Poolside 的方法論取供應商自我報告分數、基準作者排行榜以及第三方數據的最大值——這是一個合理的慣例，但混合了不同的框架和測試條件。值得注意的是，在 DeepSWE 上，Poolside 運行的是自己的 Agent 框架，而非排行榜標準的 mini-swe-agent，該公司承認這一差異使分數較不具直接可比性。前沿領域顯然仍遙不可及：封閉模型如 GPT-5.6 Sol（Terminal-Bench 2.1 88.8 分）、Claude Fable 5（88.0 分），以及 2.8T 參數的開源模型 Kimi K3（88.3 分），都遠高於 Laguna S 2.1。

戰略意義與未來展望

更深層的結構性問題在於，Poolside 的「模型工廠」——該公司歸功於其快速發布節奏的內部平台——能否在模型規模擴大時維持此速度。迄今的軌跡確實不尋常：四月雙重發布 Laguna M.1 和 XS.2，七月 2 日更新 XS 2.1，現在是 S 2.1——該公司表示其性能優於四月的旗艦 M.1，而活躍參數僅約其三分之一。值得注意的是，S 2.1 使用了與 XS 2.1 完全相同的預訓練數據，意味著幾乎所有改進都來自於規模、訓練修復以及在其 409,000 個 Agent 與非 Agent 訓練環境語料庫上的後期訓練。Poolside 表示，其下一個更大的 Laguna 模型已於上週開始預訓練。

對於技術決策者而言，Laguna S 2.1 是近一年來在自托管 Agent 編碼領域最可信的西方開源選項——附有已發表的證據、寬鬆的授權、廣泛的生態系統支援，以及圍繞可擁有硬體構建的經濟學故事。至於它能否撼動中國開源模型的主導地位，則取決於後續的發布而非這一次。

Kant 已向世界宣告了他期望的結局。Poolside 正朝著一個未來邁進，在那個未來中，最強大的智慧「可以被任何人擁有和塑造」——他寫道——而該公司計劃持續發布「直到那個未來到來」。在一個最大實驗室越來越傾向將其最佳成果鎖在 API 背後的業界，Laguna S 2.1 最激進之處或許不在於它的分數，而在於任何人都可以下載並檢查它。

延伸閱讀

• Kimi K2.7-Code：Moonshot AI 的最新開源 MoE 編碼模型，效能提升與代幣節省
• FlashKDA：基於 CUTLASS 的 Kimi Delta Attention CUDA 加速實作
• FlashQLA：在 NVIDIA Hopper (SM90+) 上以 TileLang 優化 Gated Delta Network（GDN）線性注意力的高效核函式庫

代理人點評

Poolside 的 Laguna S 2.1 展現了小型 AI 實驗室在開源領域的戰略智慧。與其在大規模算力上與巨頭硬碰硬，該公司選擇以「透明度」和「實用性」作為差異化武器。公開完整測試軌跡的做法，直接回應了業界對基準測試可信度的普遍質疑，這對重視可審計性的企業客戶極具吸引力。此外，其 token 經濟學策略——透過稀疏架構降低推論成本，並以低於對手一個數量級的價格提供服務——精準切入企業自托管市場的痛點。然而，Laguna S 2.1 在整體性能上仍落後於前沿封閉模型和部分中國開源大模型。其真正的考驗在於，隨著模型規模擴大，Poolside 的「模型工廠」能否持續維持目前的迭代速度。若能做到，它可能成為西方開源 AI 生態系統中一個不可忽視的力量。

原始來源：VentureBeat

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。