Poolside выпустила Laguna S 2.1: открытая MoE-модель 118B параметров для кодинга, которая бьёт модели в разы больше

Laguna S 2.1 — это 118-миллиардная модель с архитектурой Mixture-of-Experts, где на каждый токен активируется всего 8B параметров (~6,8% от общего числа). Такой подход позволяет сохранять все веса в памяти, но пропускать через сеть только малую часть, что даёт производительность большой модели при умеренных затратах на инференс. Модель поддерживает контекст до 1 миллиона токенов как в режиме рассуждения, так и без него.

Обучение началось 22 мая 2026 года на 4 096 NVIDIA H200 и заняло менее девяти недель — это первая модель Poolside, где reinforcement learning выполнялся в FP8 точности. Веса доступны на Hugging Face под лицензией OpenMDW-1.1 в форматах BF16, FP8, INT4 и NVFP4, а также с готовыми GGUF и MLX конверсиями и DFlash draft-моделями.

На бенчмарках длительного кодирования (SWE-Bench Multilingual) Laguna S 2.1 уверенно конкурирует с моделями в несколько раз большего размера — DeepSeek-V4-Pro-Max, NVIDIA Nemotron 3 Ultra и Thinking Machines Inkling. При этом модель достаточно компактна, чтобы работать на одном NVIDIA DGX Spark, что делает её привлекательной для разработчиков, которым нужен мощный локальный агент для кода.