深度分析
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 發布 Laguna S 2.1 開源編碼模型，採 118B MoE 架構，僅 8B 活躍參數。在 Terminal-Bench 2.1 以 70.2% 超越 DeepSeek-V4-Pro-Max 等更大模型。該公司公開完整測試軌跡以提升可信度，並以大幅低於對手的價格策略搶攻企業自托管市場。
開源編碼模型
大佬動態
DeepReinforce 推出 Ornith-1.0：自我腳手架開源編碼模型
DeepReinforce 於 2026 年推出 Ornith-1.0 系列，採 MIT 授權且以 Gemma 4、Qwen 3.5 為基礎。模型使用自我腳手架強化學習，能自行產生訓練 scaffold，提升編碼效能。測試顯示在開源編碼基準上表現領先，預示開發者工具的下一波突破。
深度分析
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
Moonshot AI 於 6 月發佈開源編碼模型 Kimi K2.7‑Code，採用與前代相同的萬億參數 MoE 架構，主打降低 30% 思考代幣以減少推論成本。模型僅支援思考模式且固定溫度 1.0，改善了直接產生 Rust、Go、Python 程式碼的可靠性。業界對其專屬基準的效能提升持保留態度。