Laguna S 2.1 — открытая модель на 118 миллиардов параметров (из них активны 8 миллиардов), заточенная под агентный кодинг и длинные задачи. Веса выложены в тот же день на Hugging Face под пермиссивной лицензией OpenMDW-1.1. Главный аргумент Poolside звучит почти вызывающе: модель влезает в один десктоп — например, в NVIDIA DGX Spark — и при этом на равных играет с моделями, которые в разы больше.
Экономическая логика тоже выстроена вокруг самостоятельного хостинга. 8 активных параметров из 118 означают, что инференс дешёвый, а требования к памяти скромные — отсюда и тезис про «одну рабочую станцию». Для команд, которым важно держать код и данные внутри периметра, это весомее пары процентов на лидерборде.
Для русскоязычных разработчиков практический смысл простой. Появился свежий западный кандидат для self-hosted агентного кодинга — с опубликованными результатами, свободной лицензией, широкой поддержкой в экосистеме и внятной экономикой на железе, которое можно купить и поставить у себя. Именно такого предложения на рынке заметно не хватало.
Что показывают бенчмарки
Poolside позиционирует Laguna S 2.1 прямо как ответ Востоку, и цифры на кодинговых бенчмарках эту дерзость отчасти оправдывают. Модель обходит куда более тяжёлых соперников, оставаясь при своих 118 миллиардах против сотен миллиардов и триллионов у конкурентов.
МодельРазмерTerminal-Bench 2.1SWE-bench MultilingualSWE-Bench ProLaguna S 2.1118B-A8B70,2%78,5%59,4%Laguna M.1 (апрель 2026)225B-A23B44,9%63,1%49,2%DeepSeek V4-Pro Max1.6T-A49B64,0%76,2%55,4%Thinking Machines Inkling975B-A41B63,8%—54,3%MiniMax M3428B-A23B66,0%—59,0%Claude Sonnet 5—80,4%—63,2%GPT-5.6 Luna Max—82,5%——
Картину стоит читать трезво. Проприетарные флагманы — Claude Sonnet 5 и GPT-5.6 — по-прежнему выше на Terminal-Bench. Зато среди всего, что можно скачать и запустить у себя, Laguna S 2.1 держит очень достойную позицию: она обгоняет собственную апрельскую Laguna M.1, вдвое большую по размеру, и превосходит открытые модели вроде Inkling и DeepSeek V4-Pro Max, которые тяжелее её в 8–13 раз.Чем интересен релиз на практике
Poolside сделала ставку не только на скор, но и на удобство внедрения. Веса опубликованы сразу в нескольких форматах точности:- BF16, FP8, INT4, NVFP4 — под разное железо и бюджеты памяти
- Официальные конвертации GGUF и MLX — для llama.cpp и Mac
- DFlash draft-модели — для ускорения через спекулятивное декодирование
Экономическая логика тоже выстроена вокруг самостоятельного хостинга. 8 активных параметров из 118 означают, что инференс дешёвый, а требования к памяти скромные — отсюда и тезис про «одну рабочую станцию». Для команд, которым важно держать код и данные внутри периметра, это весомее пары процентов на лидерборде.
Почему это важнее, чем ещё один скор
Ценность Laguna S 2.1 не столько в бенчмарках, сколько в тайминге и позиционировании. Релиз выходит ровно в тот момент, когда в Вашингтоне всерьёз обсуждают ограничения на открытые модели, а разрыв между западным и китайским open-source стал темой для советов директоров. Poolside в пресс-релизе прямо напоминает: в этот размерный класс западные лаборатории не выкладывали открытые веса 11 месяцев — и предлагает Laguna как «наш ответ».Для русскоязычных разработчиков практический смысл простой. Появился свежий западный кандидат для self-hosted агентного кодинга — с опубликованными результатами, свободной лицензией, широкой поддержкой в экосистеме и внятной экономикой на железе, которое можно купить и поставить у себя. Именно такого предложения на рынке заметно не хватало.
Источники
👍12
❤️1
👏2
LIMB