Laguna S 2.1: wydajność i otwarte wagi w zachodniej odpowiedzi poolside
21 lipca 2026 roku poolside udostępnił wagi Laguna S 2.1, modelu Mixture-of-Experts nastawionego na programowanie agentowe. Architektura liczy 118 miliardów parametrów łącznie, z czego około 8 miliardów jest aktywnych na token, a deklarowane okno kontekstu sięga 1 miliona tokenów. Model rozprowadzany jest na Hugging Face na licencji OpenMDW-1.1 w kilku precyzjach, w tym BF16 i kwantyzacjach INT4; w 4 bitach wymaga około 59 GB pamięci (do 236 GB w BF16), a po kwantyzacji mieści się na pojedynczym NVIDIA DGX Spark.
Według danych podanych przez samą firmę na karcie modelu Laguna S 2.1 osiąga 70,2% w Terminal-Bench 2.1 i 59,4% w SWE-Bench Pro. W rankingu opracowanym przez poolside wyniki te stawiają model wyżej niż konkurentów o znacznie większej liczbie parametrów, takich jak DeepSeek-V4-Pro-Max czy Nemotron 3 Ultra. Włączenie trybu „max thinking” podnosi Terminal-Bench 2.1 z 60,4% do 70,2%, a DeepSWE z 16,5% do 40,4%, ale mniej więcej podwaja liczbę tokenów uzupełnienia: 249k wobec 99k w DeepSWE, co pokazuje wyraźny kompromis między dokładnością a mocą obliczeniową.
Co do harmonogramu prac pozostają niejasności: komunikat prasowy mówi o mniej niż czterech tygodniach treningu na około 4000 GPU NVIDIA H200, podczas gdy blog techniczny wskazuje łącznie mniej niż dziewięć tygodni, od 22 maja do premiery. Różnica prawdopodobnie odzwierciedla rozróżnienie między wstępnym treningiem a końcowym dostrajaniem, choć firma nie podaje wyraźnego rozbicia. Równolegle poolside podkreślił możliwości modelu, pokazując ponowne odkrycie rozwiązania problemu Erdősa #397, który wcześniej rozwiązał już GPT-5.2 Pro.
Premiera trafia na rynek, którego górną półkę modeli o otwartych wagach od ponad roku zajmują chińskie laboratoria. Laguna S 2.1 to zachodnia próba odzyskania pola w tym segmencie — misja, którą prezes Jason Warner streszcza słowami: „The West needs open-weight models it can trust, run, and build on. Laguna S 2.1 is our answer”.
Strategia poolside jest czytelna: dać alternatywę uruchamialną lokalnie w momencie ostrej rywalizacji geopolitycznej. Rzeczywista przydatność dla społeczności open source zależeć będzie jednak od zapisów mało jeszcze sprawdzonej licencji OpenMDW-1.1 oraz od niezależnej weryfikacji benchmarków, które na razie są w całości deklarowane przez producenta i nie zostały powtórzone przez zewnętrznych ewaluatorów — podobnie jak ranking, na którym opiera się deklarowane pierwszeństwo.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Oficjalny blog poolside.ai odczytany przez WebFetch (źródło pierwotne): data, architektura, kontekst, licencja i benchmarki. Zestawione z kartą modelu na Hugging Face: parametry, kontekst 1 048 576 tokenów, licencja OpenMDW-1.1 i sześć wyników zgadzają się co do jednego. Komunikat GlobeNewswire z 21 lipca przeczytany dla cytatu Jasona Warnera. Niezależne potwierdzenie w MarkTechPost (21 lipca) dla specyfikacji, efektu trybu thinking i wymagań pamięciowych; VentureBeat zwrócił 403 i posłużył wyłącznie jako dowód, że temat był relacjonowany. Rozbieżność co do czasu treningu została zasygnalizowana. Żadnych plotek ani przecieków.
- Incertezze
- Benchmarki są deklarowane przez samo poolside i nie zostały powtórzone przez podmioty trzecie; pierwsze miejsce wśród modeli otwartych również opiera się na rankingu przygotowanym przez firmę. „Najzdolniejszy otwarty model Zachodu” to twierdzenie strony zainteresowanej. Komunikat mówi o mniej niż czterech tygodniach na ~4000 H200, blog techniczny o mniej niż dziewięciu tygodniach od 22 maja (4096 H200 według MarkTechPost): prawdopodobnie chodzi o rozróżnienie wstępnego treningu i całego cyklu, ale poolside tego nie wyjaśnia. Licencja OpenMDW-1.1 jest nowa, a jej zapisy o użyciu komercyjnym nie zostały tu przeanalizowane. Przy problemie Erdősa #397 samo poolside mówi o ponownym odkryciu, nie o nowym wyniku.
- Perché pubblicarla
- To najważniejsza zachodnia premiera otwartych wag w tym tygodniu i dotyka sedna 2026 roku: suwerenności wobec modeli, które da się pobrać. Model o 118 miliardach parametrów z 8 miliardami aktywnych, który po kwantyzacji działa na jednym DGX Spark, to konkretna wiadomość dla każdego, kto musi uruchamiać AI u siebie — firm, administracji publicznej, programistów — a pojawia się w tym samym tygodniu, w którym Alibaba idzie w przeciwną stronę i zamyka swój flagowy model. Fakty można sprawdzić na publicznych wagach, liczby są deklaracją producenta i tak trzeba je przedstawić: idealny materiał na tekst wolny od zachwytów.