Компания Poolside выпустила новую модель Laguna S 2.1 на базе архитектуры Mixture-of-Experts (MoE), которая демонстрирует результаты, сопоставимые с флагманскими решениями вроде Gemini Flash 3.6, при значительно меньших вычислительных затратах.
Что произошло
Модель Laguna S 2.1 обладает 118 млрд параметров, однако благодаря архитектуре MoE при генерации каждого токена активируются только 8 млрд параметров. В бенчмарке Terminal-Bench 2.1 модель набрала 70.2% очков, что ставит ее в один ряд с гораздо более крупными моделями. Кроме того, Laguna S 2.1 поддерживает работу с контекстом объемом до 1 млн токенов.
Контекст
В современной разработке ИИ-агентов фокус смещается с простого наращивания общего количества параметров на улучшение качества поведения модели. Это включает в себя такие механизмы, как persistence (устойчивость), verification (самопроверка) и использование test-time compute через специализированные режимы, такие как Max thinking.
Почему это важно для индустрии
Выход Laguna S 2.1 задает новый стандарт эффективности для специализированных ИИ-агентов в области программирования. Это знаменует переход от гонки за размером моделей к гонке за оптимизацией через MoE и эффективное использование вычислительных ресурсов в момент инференса.
Почему это важно для пользователей
Для разработчиков и компаний это означает появление более быстрых, дешевых и специализированных ИИ-агентов, способных решать сложные инженерные задачи и самостоятельно исправлять ошибки в коде, эффективно работая с огромными кодовыми базами без необходимости использования избыточных мощностей.
Что пока неизвестно / ограничения
На данный момент отсутствуют детализированные данные о стоимости инференса, задержках (latency), безопасности и доступности API для промышленного внедрения.
Источники
Автор
Look at AI, редакция