Poolside 开源 Laguna S 2.1：118B 参数模型，单卡可跑，编码能力越级挑战

Poolside 正式发布了 Laguna S 2.1，这是一款总参数量为 118B 的混合专家（MoE）模型，每个 token 仅激活 8B 参数。作为 Laguna 系列中迄今为止最强大的成员，Laguna S 2.1 专为本地运行和智能体编码（Agentic Coding）设计，拥有高达 1M token 的上下文窗口，并支持原生推理思考模式。

• 官方介绍：https://poolside.ai/blog/introducing-laguna-s-2-1
• 模型：https://huggingface.co/collections/poolside/laguna-s-21

该模型在 OpenMDW-1.1 许可下完全开源，旨在回应开发者对 80-120B 范围内高性能、可本地部署严肃模型的迫切需求。

核心亮点：小身材，大智慧

🚀 极致性能与效率平衡

• 越级挑战：在 Terminal-Bench 2.1 基准测试中得分 70.2，与体积大 5 到 25 倍的模型并驾齐驱甚至超越。
• 长周期任务专家：在高难度的 DeepSWE 基准测试中得分 40.4，优于部分参数超过 1T 的开放模型，证明其在复杂、多步骤编码任务中的卓越能力。
• 本地友好：尽管总参数达 118B，但凭借 MoE 架构（激活 8B），它足以在单个 NVIDIA DGX Spark 上运行，极大地降低了企业和个人开发者的部署门槛。

🧠 原生推理与执着行为

• 思考与非思考模式：支持通过 enable_thinking 参数控制，允许模型在工具调用之间穿插深度思考，提升复杂逻辑的准确性。
• 自我验证与持久性：Laguna S 2.1 表现出独特的“执着”特质。在内部测试中，它经过约 69 万个 token 的迭代，将工具链速度提升了 5.2%，内存分配减少了 70%。当增益微小时，它不会伪造进展或过早宣布胜利，而是转向其他可衡量指标继续优化。

🛠️ 广泛的生态支持

• 多格式权重：提供 BF16、FP8、INT4 和 NVFP4 格式，并附带官方 GGUF 和 MLX 转换。
• 加速推理：提供经过训练的 DFlash 草稿模型以支持推测解码（Speculative Decoding），显著降低延迟。
• 全平台兼容：发布首日即支持 llama.cpp、Ollama、vLLM、SGLang、NVIDIA TRT-LLM、Hugging Face transformers 和 ZML。

技术架构详解

训练与进化：Model Factory 的有效性

Laguna S 2.1 的能力跃升主要归功于先进的后训练策略：

1. 监督微调 (SFT)：部分使用合成数据，提升基础指令遵循能力。
2. 强化学习 (RL)：针对模型尚无法可靠解决的任务进行 RL 优化。这是 Poolside 第一个在 FP8 精度下运行 RL 的模型，显著提高了训练效率。
3. 基础设施升级：使用了更长的展开预算、改进的沙盒基础设施和多工具链展开，确保学到的智能体行为能够跨工具栈迁移。

适用场景

• 本地智能体开发：希望在本地环境中运行强大编码助手，同时保护代码隐私的企业或个人。
• 长代码库维护：利用 1M 上下文窗口，处理大型项目的全局重构、依赖分析或文档生成。
• 自动化工作流：作为自主智能体的核心大脑，执行需要多步验证、自我修正和长期记忆的复杂编程任务。