小型开源编码模型，性能超越大模型

Poolside 发布了 Laguna S 2.1，这是其三个月内的第三款编码模型。该模型采用混合专家架构，拥有 1180 亿总参数，但每个 token 仅激活 80 亿参数。与依赖原始规模不同，Poolside 专注于改善模型在长时间代理会话中的行为，包括更频繁的验证、不轻易放弃、以及修正失败方法。公司表示，之前的 Laguna 模型有时会在仅部分通过测试套件后停止，或在距离成功仅两步之遥时放弃。

在 Terminal-Bench 2.1 基准测试中，Laguna S 2.1 以 70.2% 的得分超越了多个更大的开源模型，包括 DeepSeek-V4-Pro-Max、Nemotron 3 Ultra 和 Thinking Machines Lab 的首款模型。在 DeepSWE 基准测试中，该模型得分 40.4%，而一些参数超过一万亿的开源模型得分低于 10%。思考模式对性能有显著影响：没有思考模式时，Terminal-Bench 得分降至 60.4%，DeepSWE 得分降至 16.5%。

Poolside 通过三个记录在案的试验运行支持其性能主张。在一个试验中，Laguna S 2.1 在 50 分钟内从空文件夹构建了一个可渲染 HTML 和 CSS 的工作浏览器引擎。在另一个试验中，该模型在沙盒环境中独立发现了自 1975 年以来未解决的 Erdos 问题 #397 的证明，成本仅为 0.088 美元。Poolside 表示，这一结果是独立重新发现，因为模型的训练数据截止于 2025 年 11 月，而 GPT-5.2 Pro 在 2026 年 1 月才解决该问题。

性能提升主要来自扩展和后期训练，而非新的预训练数据。代理训练阶段覆盖了 409,000 个环境，包括 83,000 个终端任务和 168,000 个软件工程工作流。最大单一来源是约 17,000 个代码仓库中的约 38,000 个真实提交。Poolside 还构建了新的沙盒系统，可选择性地阻止网络访问以遏制奖励黑客行为。训练于 2026 年 5 月 22 日开始，使用 4,096 块 Nvidia H200 GPU，不到九周后即发布。

Laguna S 2.1 已通过 OpenMDW 1.1 许可证在 Hugging Face 上开源，允许任何人使用、修改和重新分发模型权重，包括用于商业目的。Baseten、Vercel AI Gateway 和 OpenRouter 提供托管访问。OpenRouter 提供免费端点（256K 上下文窗口）和付费端点（支持完整的一百万 token 上下文窗口）。Poolside 表示，该模型也可以在单个 Nvidia DGX Spark 上本地运行。免费演示聊天可在 chat.poolside.ai 上使用，无需登录。

要点

• Laguna S 2.1 通过训练模型在长时间代理会话中持续验证和修正，而非依赖原始规模，实现了超越更大模型的性能。
• 该模型在 Terminal-Bench 2.1 和 DeepSWE 等基准测试中超越了多个更大的开源模型，包括 DeepSeek-V4-Pro-Max。
• Laguna S 2.1 独立解决了自 1975 年以来未解决的 Erdos 问题 #397，成本仅为 0.088 美元。
• 性能提升主要来自扩展和后期训练，覆盖 409,000 个环境，包括终端任务和软件工程工作流。
• 该模型已通过 OpenMDW 1.1 许可证开源，可在 Hugging Face 上获取，并支持本地运行和托管服务。