跳到主要內容
maxstudioNews
產品The Decoder約 5 分鐘

Poolside 推出 Laguna S 2.1:輕量級開源程式碼模型,效能超越體積

Poolside 發布了其第三個開源程式碼模型 Laguna S 2.1,儘管體積小巧,但在多項基準測試中表現優於許多大型模型。該模型透過獨特的「思考模式」和強調「持久性」的訓練方法,展現了卓越的程式碼生成與問題解決能力。Laguna S 2.1 已開放於 Hugging Face 和多個託管服務,並可支援本地運行。

Poolside 推出 Laguna S 2.1:輕量級開源程式碼模型,效能超越體積
圖片來源:The Decoder

Poolside 在 2026 年 4 月首次向大眾發布了 Laguna M.1 和 XS.2 模型。在此之前,該公司主要服務政府和公共部門客戶。XS.2 也是其首個採用 Apache 2.0 授權的開源模型。Laguna S 2.1 是該系列在約三個月內發布的第三個版本。

啟用思考模式後,Laguna S 2.1 在測試模型長期終端任務的 Terminal-Bench 2.1 上獲得 70.2% 的分數。它僅次於騰訊的 Hy3 (295B-A21B),並領先於許多更大的開源模型,包括 DeepSeek-V4-Pro-Max、Nemotron 3 Ultra 和 Thinking Machines Lab 的首款模型。

總體排行榜由 OpenAI 的 GPT-5.6 Sol、Anthropic 的 Claude Fable 5 和 Kimi K3 領先。

Poolside 表示,Datacurve 的 DeepSWE 基準測試提供了更好的比較,因為其分數分佈範圍更廣。Laguna S 2.1 在 DeepSWE 上獲得 40.4% 的分數,而一些擁有超過一兆參數的開源模型仍低於 10%。它在 SWE-Bench Multilingual、SWE-Bench Pro 和 SWE Atlas 等測試中也名列前茅。

思考模式對效能有重大影響。如果沒有它,Laguna S 2.1 在 Terminal-Bench 上的分數會降至 60.4%,而 DeepSWE 分數則會降至 16.5%。Poolside 表示,之前的 Laguna 模型從未在兩種模式之間顯示出如此大的效能差距。

Poolside 表示,這次發布反映了對模型效能的更廣泛理念。該公司在其發布文章中寫道:「我們在這個模型中所做的,不一定是增加了更多智慧,而是改進了導致模型能力更強的行為:更多的驗證、更少地想當然、不提早宣布勝利,以及更具持久性。」

早期的 Laguna 模型有時在部分通過測試套件後就停止,或者在距離成功僅兩步之遙時放棄了方法。Poolside 將持久性、驗證和修正失敗方法視為提升效能的第二條路徑,與擴展模型本身並行。一個更大的 Laguna 模型已經在預訓練中。

Poolside 透過三次有記錄的試運行來支持其說法。其中一次,Laguna S 2.1 在 50 分鐘內從一個空資料夾建立了一個可運行的瀏覽器引擎,能夠渲染 HTML 和 CSS。另一次,該模型在沒有 Python 的沙盒環境中工作時,找到了 Erdős 問題 #397 的證明,這是一個自 1975 年以來一直未解決的數學問題。

Poolside 表示,這個結果是一次獨立的重新發現。GPT-5.2 Pro 在 2026 年 1 月解決了這個問題和幾個其他問題,而 Laguna 的訓練截止日期是 2025 年 11 月。

Poolside 表示,從 XS 2.1 到 S 2.1 的飛躍主要來自於擴展和後訓練,而非新的預訓練資料。代理式訓練階段涵蓋了 409,000 個環境,其中包括 83,000 個終端任務和 168,000 個軟體工程工作流程。最大的單一來源是來自約 17,000 個儲存庫的約 38,000 個真實提交。一個新的任務類別訓練模型自行安裝儲存庫、設定所有依賴項並運行測試套件。

Poolside 增加了推出預算並延長了超時時間。它還建立了一個新的沙盒系統,可以選擇性地阻止網路存取以遏制獎勵駭客行為。多重線束推出(Multi-harness rollouts)在多個代理環境中運行相同的提示詞,降低了過度擬合單一設定的風險。

根據 Poolside 的說法,從訓練開始到發布,不到九週的時間。預訓練於 2026 年 5 月 22 日開始,使用了 4,096 個 Nvidia H200 GPU。S 2.1 也是該公司首個使用 FP8 精度進行強化學習訓練的模型。

Poolside 在 trajectories.poolside.ai 上發布了所有基準測試軌跡。在訓練期間,SWE-Bench 任務上的獎勵駭客率曾高達 50%,因為模型會上網搜尋匹配的拉取請求,而不是自行解決任務。一個小的提示詞更改將該比率降至 2% 以下。

Poolside 表示,Laguna S 2.1 在某些情況下仍然與 Poolside 的代理線束過於緊密地調整。在工具模式略有不同的陌生環境中,模型可能會偏離所需的格式。它也傾向於在競爭性數學問題上產生過長的思考序列。用戶目前無法調整其思考努力程度。

Laguna S 2.1 可在 Hugging Face 上以 OpenMDW 1.1 授權提供。在 Linux 基金會的支持下,該授權允許任何人使用、修改和重新分發模型權重,包括用於商業目的。

Baseten、Vercel AI Gateway 和 OpenRouter 提供託管存取。OpenRouter 提供一個具有 256K 上下文視窗的免費端點,以及一個支援完整一百萬 token 視窗的付費端點。Poolside 表示,該模型也可以在單個 Nvidia DGX Spark 上本地運行。無需登入即可在 chat.poolside.ai 獲得免費的聊天演示。

Poolside 正在進行兩項戰略性賭注。一是通往智慧的路徑是透過代理式程式碼(agentic coding),因為軟體為代理提供了最具表達力的介面。它還相信 AI 可以「解壓縮網路」。大多數書面材料記錄的是答案而不是其背後的推理,Poolside 認為強化學習可以恢復這個過程。

Share

覺得值得一看?分享給朋友。

以上為 AI 自動翻譯導讀。原文版權歸 The Decoder 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。

Newsletter

不用每天追,AI 重點每週寄給你

43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。

每週一封。Email 只用來寄電子報,每封信都能一鍵退訂。