HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Laguna S 2.1の紹介

Laguna S 2.1 (poolside.ai)

378 pointsby rexledesma70 コメント

要約

Poolside AIは、長距離タスクと推論に焦点を当てた新しいMixture-of-Experts(MoE)モデル「Laguna S 2.1」を発表しました。このモデルは118Bの総パラメータを持ちながら、トークンあたり8Bのアクティブパラメータで、最大100万トークンのコンテキストウィンドウをサポートします。特にコーディングベンチマークにおいて、そのサイズをはるかに超える性能を示し、効率性と能力を両立させています。

全文翻訳

Laguna S 2.1 の紹介

本日、私たちは長期間にわたる作業と効果的な推論の活用を追求するモデル開発における重要な一歩であるLaguna S 2.1をリリースします。

Laguna S 2.1は、合計118BパラメータのMixture-of-Experts(MoE)モデルで、トークンあたり8Bのアクティブパラメータを持ち、思考モードと非思考モードの両方で最大1Mトークンのコンテキストウィンドウをサポートします。トレーニング開始からリリースまで9週間未満で完了し、長期間のコーディングベンチマークでは、その数倍のサイズのモデルに対しても遜色ない性能を発揮します。本日公開するすべてのベンチマークスコアについて、最終評価セットの全トライアルの完全な軌跡をtrajectories.poolside.aiで公開しています。

  • Laguna S 2.1 118B-A8B
  • Tencent Hy3 295B-A21B
  • Inkling 975B-A41B
  • Nemotron 3 Ultra 550B-A55B
  • DeepSeek-V4-Pro-Max 1.6T-A49B
  • Kimi K3 2.8T-A50B
  • Qwen 3.7 Max —
  • Muse Spark 1.1 —
  • Claude Fable 5 —
Terminal-Bench 2.1

Terminal-Bench 2.1 で解決されたタスク。

SWE-Bench Multilingual

SWE-Bench Multilingual で解決されたタスク。

SWE-Bench Pro (Public Dataset)

SWE-Bench Pro (Public Dataset) で解決されたタスク。

DeepSWE

DeepSWE で解決されたタスク。

SWE Atlas (Codebase QnA)

SWE Atlas (Codebase QnA) で解決されたタスク。

Toolathlon Verified

Toolathlon Verified で解決されたタスク。

ベンチマークは2026年7月21日時点のものです。pass@1はタスクごとに4回の試行の平均ですが、DeepSWE、SWE Atlas (Codebase QnA)、Toolathlon Verifiedは3回の試行です。すべてのベンチマークにおいて、ベンダーの自己申告スコア、ベンチマーク作成者のリーダーボード、またはサードパーティのリーダーボード(Artificial Analysis)の最大値を使用しますが、SWE Atlas (Codebase QnA)についてはサードパーティのリーダーボードの数値は使用しません。

Laguna S 2.1 (118B-A8B)Tencent Hy3 (295B-A21B)Inkling (975B-A41B)Nemotron 3 Ultra (550B-A55B)DeepSeek-V4-Pro Max (1.6T-A49B)Kimi K3 (2.8T-A50B)Qwen 3.7 Max (—)Muse Spark 1.1 (—)Claude Fable 5 (—)
Terminal-Bench 2.170.271.763.856.464.088.374.58088.0
SWE-Bench Multilingual78.575.8-67.776.2-78.3--
SWE-Bench Pro (Public Dataset)59.457.954.3-55.4-60.661.580.3
DeepSWE40.4---9.069.0-53.370.0
SWE Atlas (Codebase QnA)46.2---27.2--42.2-
Toolathlon Verified49.7-45.534.355.9--75.6-

クラスを超えた活躍

Laguna S 2.1は、測定可能な範囲で、その重量クラスにおいて圧倒的な差をつけて最も有能なエージェント型コーディングモデルです。

S 2.1は、思考を有効にしたエージェントハーネスでTerminal-Bench 2.1において70.2%のスコアを記録しました。そのコンパクトなサイズは、ローカルマシンでの複雑な作業にユニークに適しています。

ベンチマーク

  • オープンウェイト
  • クローズド / サイズ非公開
  1. 1 GPT-5.6 Sol 88.8
  2. 2 Kimi K3 2.8T-A50B 88.3
  3. 3 Claude Fable 5 88.0
  4. 4 GPT-5.6 Terra 87.4
  5. 5 GPT-5.6 Luna 84.7
  6. 6 Claude Opus 4.8 84.6
  7. 7 Claude Sonnet 5 80.4
  8. 8 Muse Spark 1.1 80.0
  9. 9 Qwen-3.7 Max 74.5
  10. 10 Hy3 295B-A21B 71.7
  11. 11 Laguna S 2.1 118B-A8B 70.2
  12. 12 MiniMax M3 428B-A23B 66.0
  13. 13 DeepSeek-V4-Pro-Max 1600B-A49B 64.0
  14. 14 Inkling 975B-A41B 63.8
  15. 15 DeepSeek-V4-Flash-Max 284B-A13B 61.8
  16. 16 Nemotron 3 Ultra 550B-A55B 56.4
  17. 17 Inkling-Small 276B-A12B 52.7
  18. 18 Qwen3.6-27B 27B 51.3
  19. 19 Qwen3.6-35B-A3B 35B-A3B 44.9
  20. 20 Nemotron 3 Super 120B-A12B 38.6
  21. 21 Laguna XS 2.1 33B-A3B 33.4
  22. 22 Mistral Small 4 119B 21.4

ベンチマークは2026年7月21日時点のものです。pass@1はタスクごとに4回の試行の平均ですが、DeepSWE、SWE Atlas (Codebase QnA)、Toolathlon Verifiedは3回の試行です。すべてのベンチマークにおいて、ベンダーの自己申告スコア、ベンチマーク作成者のリーダーボード、またはサードパーティのリーダーボード(Artificial Analysis)の最大値を使用しますが、SWE Atlas (Codebase QnA)についてはサードパーティのリーダーボードの数値は使用しません。

Terminal-Bench 2.1は、エージェントモデルがターミナルを介して環境と対話する、広範で高品質な長期間タスクを評価します。Laguna S 2.1は、このベンチマークにおいて、そのサイズカテゴリで際立ったモデルです。

ベンチマーク

  • Laguna S 2.1
  • 他のLaguna
  • その他の公開モデル

総パラメータ数、対数スケール。総パラメータ数が非公開のモデルは除外されています。

DeepSWEの詳細

上記のベンチマークはすべて意味がありますが、それらに近い最先端の性能を発揮できていることを嬉しく思います。しかし、その近さは成熟したベンチマークの特性でもあります。最先端が進むにつれて、トップスコアは70〜90%の範囲に集中し、動作が非常に異なるモデルでも数ポイントの差しかなくなります。DatacurveのDeepSWEにはまだ大きな余地があります。そのタスクはより長期間で部分的にしか解決が難しく、スコアは実際に分散します。v1.1バリアントでは、最先端モデルのスコアは54%から73%の範囲であり、1兆パラメータを超えるオープンモデルの中には10%未満のスコアのものもあります。

DeepSWE v1.1において、Laguna S 2.1はプールハーネスの思考モードで40.4%を記録しました。

  • オープンウェイト
  • クローズド / サイズ非公開
  1. 1 GPT-5.6 Sol 73.0
  2. 2 Claude Fable 5 70.0
  3. 3 GPT-5.6 Terra 70.0
  4. 4 Kimi K3 2.8T-A50B 69.0
  5. 5 GPT-5.6 Luna 67.2
  6. 6 GPT-5.5 67.0
  7. 7 Claude Opus 4.8 59.0
  8. 8 Claude Sonnet 5 54.0
  9. 9 Grok 4.5 54.0
  10. 10 Muse Spark 1.1 53.3
  11. 11 GPT-5.4 52.0
  12. 12 GLM 5.2 753B-A40B 44.0
  13. 13 Laguna S 2.1 118B-A8B 40.4
  14. 14 Gemini 3.5 Flash 37.0
  15. 15 Kimi K2.7 Code 31.0
  16. 16 Claude Sonnet 4.6 30.0
  17. 17 Gemini 3.1 Pro 12.0
  18. 18 DeepSeek-V4-Pro-Max 1600B-A49B 9.0
  19. 19 Laguna XS 2.1 33B-A3B 0.3

pass@1はタスクごとに3回の試行の平均です。ハーネスは異なります(DeepSWEのリーダーボードはmini-swe-agentを使用し、モデルプロバイダーは独自のハーネスで報告する可能性があり、私たちはプールで報告します。私たちのエージェントハーネス)。すべてのベンチマークにおいて、ベンダーの自己申告スコア、ベンチマーク作成者のリーダーボード、またはサードパーティのリーダーボード(Artificial Analysis)の最大値を使用します。

ここで使用されているベンチマークは完全な本番テストではありませんが、公開されているLaguna S 2.1チェックポイントの最終評価からのすべての軌跡をtrajectories.poolside.aiで表示およびダウンロードできるようにしています。

モデルの動作を見る

ベンチマークスコアはモデルの動作を定量的に示しますが、モデルがどのように機能するかをより直感的に理解するには、実際のタスクでの実行を見るのが役立ちます。ここでは、編集されていない軌跡と解説付きの3つのそのようなタスクを共有します。

ケーススタディ 1

空のフォルダからブラウザエンジンを構築する

Laguna S 2.1の好きな点の一つは、そのリソース活用能力です。直接的なパスが利用できない場合でも、目標を達成するための巧妙な方法を見つけます。私たちがそれをゼロからブラウザエンジンを構築するように依頼したとき、その優れたデモンストレーションを見ました。Lagunaが視覚能力の欠如から作業を検証するのが難しいことを知っていたからです。181ステップの50分間のセッションで、人間の介入なしに、Laguna S 2.1は空のフォルダから動作するHTML/CSSレンダリングエンジンを構築し、その後、実際のブラウザのようにレンダリングするかどうかを測定することでそれを証明しました。作業中、モデルは制限にもかかわらず、作業を検証するためのますます複雑な方法を見つけ、最終的にはヘッドレスChromiumを実行してキャンバスを読み取り、スクリーンショットを数値的に比較しました。完全な軌跡はこちらをご覧ください:full trajectory here。

ケーススタディを読む

// verbatim prompt · reproduce it yourself
your job is it to build a simple browser engine (just html/css) in
javascript to demonstrate the capabilities of poolsides new "Laguna S"
model. the goal is to take render html snippets in a canvas like a real
browser. to demonstrate it the engine, build a self-contained single
page app that showcases a gallery of multiple html snippets and renders
them side by side (canvas with our render engine + iframe letting the
hosting browser render it for real for comparison). support for most
common layout and styling elements

セッション中、モデルは完全なパイプライン(パーサー→カスケード→レイアウト→レンダラー)をバニラJavaScriptで構築しました。HTMLトークナイザーとDOMツリー、セレクタの特異性を持つCSSパーサー、継承を持つカスケードエンジン、ボックスモデルレイアウト、キャンバス2Dレンダラーを、9つのスニペットを独自のキャンバスに表示し、同じマークアップをiframeに表示するアプリにラップしました。これにより、ホスティングブラウザが参照としてすぐそばに配置されます。

[画像: Laguna S Browser Engine interface comparing its canvas rendering with the hosting browser's iframe rendering.]

モデルのエンジンがキャンバス(左)にレンダリングされ、ホスティングブラウザ自身の同じマークアップのレンダリング(右)と並んでいます。ヘッダーにはピクセル寸法と両者の測定差が表示されています。

ケーススタディ 2

独自のハーネスの最適化

Laguna S 2.1は、意味のあるエンジニアリングおよびリサーチ作業を実行する能力があります。ある例では、研究者の一人が、モデルのトレーニング/評価、およびモデルとのユーザーインタラクションに使用されるエージェントハーネスにそれを向けました。自動化されたループで、Laguna S 2.1はハーネスを5.2%高速化し、メモリ割り当てを約70%削減しました。完全な軌跡はこちらをご覧ください:full trajectory here。

ケーススタディを読む

このタスクのために、モデルが時間とメモリのどこに使われているかを正確に把握できるように、ハーネスにベンチマークをインストルメントしました。厳格なルールを設定しました。一度に1つのアプローチ、変更ごとにベンチマーク、測定可能な改善のみを保持します。その後、Laguna S 2.1を自動化されたリサーチループで実行し、各結果をモデルにフィードバックし、改善を続けるように促しました。

結果。数時間にわたる作業で、Laguna S 2.1はエージェントハーネス内で複数の異なる最適化を見つけて実装し、全体で5.2%の速度向上とメモリ割り当ての約70%削減をもたらしました。下のプロットは、最適化の進行状況と、モデルがその過程で見つけた洞察と発見を示しています。

Laguna S 2.1は、ストリーミングトークン蓄積がO(n^2)の文字列連結を使用していることを発見し、それをバッファに置き換えました。また、軌跡のマテリアライゼーション中に複数の冗長なコピーと過剰な割り当てを発見し、マテリアライゼーションのメモ化とスライスの正確なサイズへの事前割り当てによって解決しました。

特に、速度向上改善が微細になり、セットアップでの測定が困難になった後も、Laguna S 2.1は前進を続け、最適化を継続しました。メモリ割り当てがより正確に測定されていることを発見し、そこに努力を集中させました。これは、Laguna S 2.1が本当に諦めないモデルであり、その環境の限界を理解しており、それにもかかわらず進歩できるという考えを強化します。

  • リアルタイム(最良結果)
  • 割り当て(プロキシ)
  • 試行(最良結果を改善せず)

最良ソリューション(試行9):ハーネス時間-5.19%、割り当て-71.1%
リアルタイム記録:-0.368 (1) strings.Builder in stream proc.
リアルタイム記録:-1.199 (2) ActiveSegments sub-slices
リアルタイム記録:-1.385 (3) Two-pass prealloc for step groups
リアルタイム記録:-1.599 (4) Contiguous sub-slice grouping
リアルタイム記録:-2.429 (5) Cap prealloc
リアルタイム記録:-5.106 (6) Memoize Entries() per step
リアルタイム記録:-5.19 (9)
リアルタイム非記録試行:-2.289 (7)
リアルタイム非記録試行:-4.231 (8)
リアルタイム非記録試行:-3.107 (10)
リアルタイム非記録試行:-2.467 (11)
リアルタイム非記録試行:-2.366 (12)
リアルタイム非記録試行:-4.458 (13)
リアルタイム非記録試行:-4.41 (14)
リアルタイム非記録試行:-4.749 (15)
リアルタイム非記録試行:-2.105 (16)
リアルタイム非記録試行:-4.478 (17)
リアルタイム非記録試行:-3.445 (18)
リアルタイム非記録試行:-2.277 (19)
リアルタイム非記録試行:-4.123 (20)
割り当て記録:1.213 (1)
割り当て記録:-47.299 (2)
割り当て記録:-57.291 (3)
割り当て記録:-62.577 (4)
割り当て記録:-68.976 (5)
割り当て記録:-69.455 (6)
割り当て記録:-70.026 (7)
割り当て記録:-70.953 (8)
割り当て記録:-71.147 (9)
割り当て記録:-72.147 (11)
割り当て記録:-72.836 (12)
割り当て非記録試行:-70.615 (10)
割り当て非記録試行:-72.282 (13)
割り当て非記録試行:-71.68 (14)
割り当て非記録試行:-72.162 (15)
割り当て非記録試行:-71.811 (16)
割り当て非記録試行:-71.813 (17)
割り当て非記録試行:-71.703 (18)
割り当て非記録試行:-71.696 (19)
割り当て非記録試行:-71.806 (20)
−5.19%
−71.1%
試行
リアルタイムΔ% vs ベースライン
割り当て変動Δ% vs ベースライン

試行1〜20は最適化ループからのものです。実線と破線はそれぞれの最良結果を示し、中空の点は最良結果を改善しなかった有効な試行です。低い方が良い。

ここで使用されているベンチマークは完全な本番テストではありませんが、最終実行をGoのレース検出器とgo vetゲートを有効にして検証し、最終成果物が機能することを確認するためにテストしました。これにより、モデルの中間ソリューションが有効で安定したソフトウェアであり、隠れた競合状態による利益ではないという信頼が得られます。

ケーススタディ 3

Erdős問題 #397 をオフラインでPerlで再導出する

Laguna S 2.1は、これまでに開発したどのモデルよりも数学において能力が高いことがわかりました。それはErdős問題 #397(Erdős, Graham, Ruzsa, Straus, 1975)の証明を独立して発見し、無限の解のファミリーをもたらす構築を見つけました。これは独立した再発見です。なぜなら、この問題の証明は2026年1月にGPT-5.2 Proによって以前発見されたからです。モデルの知識カットオフ日が2025年11月であるため、この結果が以前の結果に影響されていないと確信しています。GPT 5.2 Proのソリューション以前は、この問題は50年以上未解決のままでした。完全な軌跡はこちらをご覧ください:full trajectory here。

ケーススタディを読む

// the verbatim prompt
this is an unsolved problem, solve it. Let B_k = C(2k, k) denote the
k-th central binomial coefficient. Erdős, Graham, Ruzsa and Straus
asked: are there only finitely many solutions to
B_m1 · B_m2 · … · B_mr = B_n1 · B_n2 · … · B_ns
where all of the indices are DISTINCT integers ≥ 2?
Resolve this question, with complete proof.

S 2.1は68分かけて決定的な解決策を発見しました。サンドボックスにはPythonがなく、モデルはPerlを見つけてそこで数論を行いました。総当たりによる正確な素因数分解、パターン分析、仮説のファミリー、そして証明:閉形式の無限の8つのインデックスを持つ解のファミリー。

B11+10n · B14+12n · B18+15n · B22+20n = B12+10n · B13+12n · B17+15n · B23+20n (n ≥ 0 の場合)

この結果は最初の解決策ではなく再発見ですが、Laguna S 2.1が導出したファミリーは、以前の公開された構築(線形に増加する8つのインデックス対既知の6つのインデックスファミリー)とは構造的に異なり、記憶からの引用ではなく新鮮な導出を示しています。

Laguna S 2.1は、ドメイン全体で例外的に粘り強い問題解決者であり、環境が提供するすべてのツールを活用する方法を見つけ、仕事を完了するまで追求します。この特性が、モデルをそのサイズの数倍のモデルと比較しても非常に競争力のあるものにしています。

思考の労力

Laguna S 2.1には2つの思考モードがあります:オフとマックス(デフォルトで有効)で、与えられた問題に対して適切な思考/テスト時間計算予算を決定します。数時間および数十万トークンにわたる一貫性のある生産的な思考を観察しました。

マックス思考は、Terminal-Bench 2.1でのS 2.1のスコアを60.4%から70.2%に、DeepSWEでは16.5%から40.4%に引き上げます。本日、ユーザーが設定可能な労力(低・中・高)制御なしでこのモデルをリリースし、Laguna S 2.1をすぐにユーザーの手の届くところに置きます。

2つのモードは依然として実質的な選択肢を提供しており、各ポイントのコストを見る価値があります。

制限事項

Laguna S 2.1の機能、特にそのサイズとの関連で、私たちは興奮しています。迅速に学習するために、次のイテレーションで取り組んでいるいくつかの既知の制限事項とともにモデルを提供します。

ハーネス過学習:場合によっては、Laguna S 2.1がサードパーティのエージェントハーネス(例:Hermes Agentのターミナルツール)でツールスキーマ定義を遵守するのに苦労することがあります。これらの定義はネイティブハーネスのものと非常によく似ていますが、わずかな違いがあります。この場合、モデルはツールを初めて使用する際に、定義に従うのではなく、ツールのインターフェースの記憶に依存する可能性があります。これは通常、ハーネスが無効なツール呼び出しを拒否し、モデルに再試行を要求した場合に、コンテキスト内学習を通じて解決されます。

ネストされたツール呼び出し:Laguna S 2.1は、ツール呼び出しがXMLライクなタグでマークされるツール呼び出し形式を使用するようにガイドされています。

<tool_call>terminal<arg_key>cmd</arg_key><arg_value>uname -a</arg_value></tool_call>

ツール引数がJSON配列を期待する場合(例:Piの編集ツール)、モデルは正しくエスケープされていない、または無効なJSONを生成する可能性があります。

予想よりも長い思考時間/過剰思考:Laguna S 2.1は、特に競争数学の問題に取り組む際に、進歩する前に長いシーケンスで思考する可能性があります。将来のモデルでは、思考の労力制御を導入し、思考効率の向上を目指します。

このモデルで実際に変更されたこと

長期間の作業が賭けである場合、モデルが継続できるようにするために何が改善されたのでしょうか?S 2.1にとって、それは単にモデルサイズを増やすことだけではありません。

このモデルで行ったことは、必ずしも知能を追加することではなく、より有能なモデルにつながる行動を改善することです。より多くの検証、当然のことと見なすことの減少、早期の勝利宣言の回避、そしてより粘り強くすることです。

これを見る最も簡単な方法は、モデルの作業を見ることです。以前のLagunaシリーズモデルは、部分的に合格したテストスイートで勝利を宣言したり、機能する2ステップ前にアプローチを放棄したりしましたが、S 2.1は続行します。

私たちはスケーリング法則を信じており、より大きなモデルのトレーニングを続けます。Laguna S 2.1が示唆しているのは、生の知能が1つの軸であり、モデルの作業方法(粘り強さ、検証、後退する意欲)が非常に重要な2番目の軸であるということです。私たちは両方に投資しています。次の、より大きなLagunaシリーズモデルは、先週プレトレーニングを開始しました。

強力な基盤、そして新しいポストトレーニング

Laguna S 2.1はLaguna XSファミリーのスケーリングアップ版であり、XS 2.1と全く同じプレトレーニングデータでトレーニングされています。XS 2.1からS 2.1への移行は、スケール、トレーニングコードの修正、および小さなレシピの変更であり、新しいデータではありません。S 2.1はまた、RLをFP8精度で行った最初のモデルであり、トレーニングのその部分を加速しました。

このポストトレーニングにおける長大なエージェントセッションは、通常、作業コンテキストを数十万トークン蓄積します。1Mトークンのコンテキストウィンドウへの拡張は、困難なタスクで最高のパフォーマンスを可能にします。

S 2.1とXSモデルを隔てるものの大部分は、2段階のポストトレーニングから来ています。1段階目は、合成データで能力を部分的にブートストラップするSFTステージ、次にRL(モデルがまだ高い合格率で解決できないタスク専用)です。

ポストトレーニングタスクの分布

私たちのトレーニングコーパスは409kのエージェントおよび非エージェント環境をカバーしています。そのうち、83kのセットアップはターミナルユースケースに特化しており、168kは標準的なソフトウェアエンジニアリングワークフローを対象としています。これらのタスクセットは、オープンソースリポジトリからキュレーションされ、内部チームによって合成され、自動依存関係インストール用の専門システムが含まれるか、外部データベンダーから戦略的に取得されました。

ソフトウェアエンジニアリングタスクは、主に実際のコード履歴に基づいています。最大のソースは実際のコミットを再現しています(約17,000リポジトリにわたる約38,000タスク)。次はマージされたプルリクエストを再現し、残りのタスクはテストスイートに対して挿入されたバグを修正するか、削除されたファイルを再構築することです。S 2.1の新機能は、エージェントリポジトリのインストールです。リポジトリが与えられたら、すべての依存関係をインストールし、テストスイートを実行します。

ターミナルタスクは、エージェントが見たことのない環境とタスクをシードから構築するデータセットから来ています。

トレーニングループで変更されたこと

より寛大なロールアウト予算:以前のどのモデルよりも大幅に長いタイムアウト、トークンあたりのトークン数、タスクあたりのターン数(その粘り強さの理由である可能性が高い)。

より良いサンドボックスインフラストラクチャ:RLは新しいサンドボックスサービスに移行し、バックグラウンドプロセス、報酬ハッキングの表面を縮小するための選択的なネットワークブロッキング、外部サービスへの過負荷を回避するためのアーティファクトキャッシングを可能にしました。

マルチハーネスロールアウト:同じプロンプトが複数のエージェントハーネスでロールアウトされるため、モデルは1つに過学習するのではなく、スキャフォールド全体で機能する動作を学習します。

私たちがしている賭け

Laguna S 2.1は、4,096基のNVIDIA H200 GPUで2026年5月22日(60日前)にプレトレーニングを開始しました。Model Factoryは、プレトレーニングデータ、アーキテクチャアブレーション、または評価スタックのいずれであっても、既存の作業基盤の上に構築するため、高頻度のリリースをサポートしています。特に、ポストトレーニングの進歩により、テスト時間計算からより多くのものを引き出すことができました。これまでにトレーニングしたすべてのモデルの中で、Laguna S 2.1は、非思考モードと思考モードの間で、評価と認識される品質のデルタが最大です。その内部対話は非常に効果的であり、特に困難で複雑な問題に対してはそうです。

少人数のチームがこれほど速く動けるのは、集中しているからです。私たちは2つの賭けに集中しています。

最初の賭け:エージェント型コーディング機能に引き続き注力します。知能への道は、コーディング能力とソフトウェアという柔軟なインターフェースを通ります。モデルの知能が進歩するにつれて、これはますます明らかになっています。現在、モデルがエージェントとして動作し、ソフトウェアを使用して環境と対話する、数時間から数日間の連続した作業が見られます。Laguna S 2.1は、わずか6ヶ月前は最先端モデルにのみ予約されていたこのドメインでの能力を、単一のNVIDIA DGX Sparkで実行できるほど小さなサイズで示しています。

2番目の賭けは、ウェブを解凍できるということです。人類が書いたほとんどすべてが、そこに至るまでの思考ではなく結果を記録しており、強化学習がその思考を回復できると信じています。このリリースは最初の賭けの証拠です。2番目の賭けはまだ積極的に開発中であり、将来さらに共有できることを楽しみにしています。

3ヶ月で3つのモデル

私たちがModel Factoryと呼ぶ、研究およびエンジニアリングのための内部プラットフォームは、モデル開発プロセスを工業化することを可能にします。私たちは、研究者がブックキーピングとインフラストラクチャに費やす注意を最小限に抑え、研究の反復と統合速度を最大化するために、研究とモデル構築のプロセスを継続的に改善することに多額の投資をしています。

Laguna M.1リリースから3ヶ月未満で、私たちは技術を前進させ、半分の実行サイズで大幅に強力なモデルを提供しました。来年、これをさらに大きなモデルに展開していきます。

  1. 2026年4月28日

    Laguna M.1 および Laguna XS.2 / 225B-A23B および 33B-A3B、デュアルリリース

    最初の本格的なエージェント型コーディングモデルと、XSラインの最初のモデル。これら2つは、ハーネス、データ、トレーニングループの最も弱い部分を教えてくれました。

  2. 2026年7月2日

    Laguna XS 2.1 / 33B / 3B アクティブ

    改善されたレシピを確認するためのXSサイズの新しいイテレーション。7分の1のサイズでSWE-Bench MultilingualでM.1に匹敵しました。

  3. 2026年7月21日

    Laguna S 2.1 / 118B / 8B アクティブ

    以前のモデルから学んだすべてを適用しました。トレーニング開始からこの投稿まで9週間未満です。

開始方法

Laguna S 2.1は、初日からOpenMDW-1.1ライセンスの下でHugging Faceで利用可能です。BF16、FP8、INT4、NVFP4ウェイト、公式GGUFおよびMLX変換、公式DFlashドラフトモデルが提供されます。私たちはエコシステム全体で協力し、開発者が既に構築している場所でLaguna S 2.1を実行できるようにしました。NVIDIAは、TRT-LLMサービングとBlackwellシステム上のNVFP4から単一のNVIDIA DGX Sparkまで、ハードウェア全体での推論の最適化を支援しました。vLLM、SGLang、Ollamaは、初日からオープンサービングとローカル推論をサポートしています。また、atomic.chatを通じてLaguna S 2.1をローカルで実行することもできます。そこでは、すべてのビット幅でGGUFとMLXで利用可能です。

ホストされたアクセスについては、Laguna S 2.1はBasetenのモデルライブラリおよびFrontier Gateway、OpenRouter(無料エンドポイントと専用1Mコンテキストデプロイメントを含む)、Vercel AI Gatewayで利用可能です。

また、Kilo、Hermes Agent、pi、OpenCode、OpenClaw、Cline経由でLaguna S 2.1を使用することもできます。また、ターミナルベースのコーディングエージェントであるpoolでも利用できます。poolでは、セッションごとに思考レベルを/thought-levelで切り替えることができます。

OpenRouterでは、無料エンドポイントは256Kコンテキストを提供します。専用の有料エンドポイントは、1Mトークンあたり$0.10(入力)、$0.20(出力)、$0.01(キャッシュ読み取り)で、フル1Mコンテキストウィンドウを提供します。

さらに進みたい開発者向けに、Laguna S 2.1はNVIDIA NeMo AutoModelおよびPrime IntellectのPrime Labでポストトレーニングできます。ZMLのLLMDフレームワークは、幅広いハードウェアでそれを実行します。

ベースモデルが必要な場合、つまり研究または独自のポストトレーニング用のプレポストトレーニングウェイトを指す場合は、models@poolside.aiにメールしてください。