Poolside 这次没有端出一个万亿参数的庞然大物。它把 Laguna S 2.1 做成 118B 总参数、8B 激活参数 的 MoE 代码模型，权重直接放上 Hugging Face，还说能在单台 NVIDIA DGX Spark 上跑。
这条新闻的抓手在这里：欧美公司终于拿出一个可自托管的开放权重代码模型，但它没有宣称打穿 GPT 或 Claude。官方榜单里，Laguna S 2.1 在 Terminal-Bench 2.1 上是 70.2%，离闭源前沿还有一截；Poolside 要押的，是企业愿意为了数据留在自己机器里，接受这一截差距。
先把体积压到能部署
Poolside 官方博客写得很具体：Laguna S 2.1 是 118B total parameter、8B activated parameter 的 Mixture-of-Experts 模型，支持最高 1M token 上下文，从开始训练到发布不到 9 周。
模型主要面向 agentic coding。官方列出的成绩包括 Terminal-Bench 2.1 70.2%、SWE-Bench Multilingual 78.5%、SWE-Bench Pro 公共数据集 59.4%、DeepSWE 40.4%。The Next Web 对照后也给出同一组量级判断：它在 Terminal-Bench 和 SWE-Bench Pro 上接近或超过多款更大的开放模型，但闭源模型仍领先约 10 到 15 个百分点。
这组数字不能混着读。70.2% 来自 Poolside 自家 agent harness 的 Terminal-Bench 2.1；40.4% 来自 DeepSWE thinking mode，同一口径下 no-thinking 只有 16.5%。官方自己也承认，部分比较采用厂商自报、榜单或第三方最高值，因此更适合看位置，不能当成精确横评。
直接引语说的是工作习惯
Poolside 没把这次升级解释成单纯加参数。它强调模型更会检查、更愿意回退、更少提前宣布完成。
“What we’ve done in this model is not necessarily add more intelligence, but improve the behaviors that lead to a more capable model: more verification, less taking things for granted, not declaring victory early, and being more persistent.”
Poolside 应用研究联合负责人 Pengming Wang 这句话翻成中文，就是：这次增强的重点在“干活习惯”，少想当然、多验证，别测试没全过就收工。
这个解释和它放出的案例能对上。官方写到，Laguna S 2.1 在一个 50 分钟、181 步的会话里，从空文件夹做出一个简单 HTML/CSS 渲染引擎；另一个内部 harness 优化任务里，模型把速度提高 5.2%，内存分配降低约 70%。这些案例未必能代表真实客户场景，但至少说明 Poolside 想卖长时间工程任务里的自我校验，聊天能力只是入口。
开放权重的空档
过去一年，开放权重代码模型的声量更多来自中国团队。Kimi K3、Qwen、DeepSeek、MiniMax 都在参数规模、许可证、低价 API 和本地部署上轮番冲榜。欧美公司这边，要么闭源卖 API，要么开放的模型尺寸和代码能力不够刺激。
Laguna S 2.1 选在 118B-A8B 这个体量，很像一个折中点：比 30B 级模型更能撑长任务，比万亿参数模型更容易落地。Hugging Face 模型卡确认 NVFP4 版本采用 OpenMDW-1.1 许可证，vLLM Recipes 则给出工程侧提醒：BF16 权重大约 235GB，默认不适合单卡，量化版本才是桌面和多 GPU 节点更现实的选择。
对受监管企业，这个差别很实在。代码、漏洞、客户数据和内部系统日志不一定能送进海外闭源 API。能本地跑、能审计权重和许可证、能接 vLLM/SGLang/Ollama/OpenRouter/Vercel AI Gateway，这些比跑分高几分更容易进采购表。
代价也写在限制里
Poolside 没把短板藏起来。官方列出的限制包括：在第三方 agent harness 里可能过度记住自家工具格式，遇到相似但不同的 schema 时会误用；嵌套工具调用可能生成转义错误的 JSON；thinking mode 有时会想得过久，尤其在竞赛数学题上。
这三条限制都指向同一个风险：代码 agent 的失败不总是“不会写代码”，更多时候是工具协议、上下文预算和停手时机。企业把模型接进 CI、仓库、工单和权限系统后，错一次工具调用可能比答错一道题更麻烦。
Poolside 也给出了成本口径。OpenRouter 免费端点提供 256K 上下文，专用付费端点提供完整 1M 上下文，价格为每百万 token 0.10 美元输入、0.20 美元输出、0.01 美元缓存读取。这比闭源前沿模型便宜许多，但长程 agent 一次会话动辄十万到几十万输出 token，便宜也会被工作时长吃掉。
验证会发生在仓库里
Laguna S 2.1 的产业位置很清楚：它并未冲着闭源总榜第一去，给欧美企业的角色是一个可下载、可自托管、能接现有推理栈的代码 agent 底座。
后续要看的指标也具体。第一，Hugging Face 下载和社区复现是否能撑住；第二，vLLM、Ollama、SGLang 等推理路径在真实仓库里是否稳定；第三，Poolside 下一代更大 Laguna 模型能不能把 Terminal-Bench 的差距再缩小；第四，OpenMDW 许可证在商业合规审查中是否足够顺手。
如果这些点跑通，Laguna S 2.1 的价值不在“西方版 DeepSeek”这个口号。它更像一个采购部门能理解的答案：代码可以留在本地，模型能长时间改仓库，账单可以算清，能力离前沿还差一点，但差距已经小到可以拿真实项目试。
参考来源：Poolside 官方博客、Hugging Face 模型卡、vLLM Recipes、CocoLoop、The Next Web；核验模型参数、激活参数、上下文窗口、benchmark 口径、训练硬件、许可证、推理部署和公开限制。