Poolsideは今回、1兆パラメータ級の大きさで話題を取りにいったわけではない。公開したLaguna S 2.1は、総パラメータ118B、アクティブパラメータ8BのMoEコードモデルだ。重みはHugging Faceで公開され、同社は単一のNVIDIA DGX Sparkでも動かせるとしている。
注目点は、欧米企業からセルフホスト可能なオープンウェイトのコードモデルが出てきたことにある。ただしPoolsideは、GPTやClaudeを超えたとは言っていない。公式値ではTerminal-Bench 2.1が70.2%で、クローズドな最前線モデルとの差は残る。同社が狙うのは、データを自社設備内に置けるなら、その差を受け入れる企業需要だ。
まず導入できるサイズに寄せた
Poolsideの説明によると、Laguna S 2.1は最大100万トークンのコンテキストを扱えるMixture-of-Expertsモデルで、訓練開始から公開まで9週間未満だった。
用途は主にエージェント型コーディングだ。公式ベンチマークはTerminal-Bench 2.1で70.2%、SWE-Bench Multilingualで78.5%、公開版SWE-Bench Proで59.4%、DeepSWEで40.4%。The Next Webも、Terminal-BenchとSWE-Bench Proでは複数の大型オープンモデルに近い、または上回る一方、クローズドモデルはなお10から15ポイント程度先行していると整理している。
ただし数字は同じ物差しで並べにくい。70.2%はPoolside自身のagent harnessによるTerminal-Bench 2.1の結果で、DeepSWEの40.4%はthinking modeの値だ。同じ条件のno-thinkingでは16.5%にとどまる。Poolsideも、一部比較にはベンダー公表値やリーダーボード、第三者の最高値が含まれると明記しており、厳密な横比較というより位置づけとして読むべきだ。
強調されたのは仕事の進め方
Poolsideは、この更新を単なるパラメータ増とは説明していない。より確認し、思い込みを減らし、早すぎる完了宣言を避け、粘り強く作業する方向に振ったという。
"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."
応用研究の共同責任者であるPengming Wang氏の説明は、要するに「賢さ」そのものより、エンジニアリング作業の習慣を改善したということだ。
同社が出した事例もその主張に沿う。Laguna S 2.1は50分、181ステップのセッションで空のフォルダから簡単なHTML/CSSレンダリングエンジンを作り、別の内部harness最適化では速度を5.2%改善し、メモリ割り当てを約70%減らしたという。実顧客環境をそのまま示すものではないが、長時間のリポジトリ作業で自己検証する能力を売りにしていることは分かる。
オープンウェイトの空白を狙う
この1年、オープンウェイトのコードモデルではKimi K3、Qwen、DeepSeek、MiniMaxなど中国勢の存在感が大きかった。欧米側はクローズドAPIに寄るか、公開モデルの規模やコード能力で強い印象を残しにくかった。
118B-A8Bという設計は折衷案に見える。30B級より長い作業を支えやすく、1兆パラメータ級より導入しやすい。Hugging FaceのモデルカードではNVFP4版がOpenMDW-1.1ライセンスを採用し、vLLM RecipesはBF16重みが約235GBで、単一GPUより量子化版や複数GPU構成が現実的だと示している。
規制産業にとっては、この違いが大きい。コード、脆弱性、顧客データ、内部ログを海外のクローズドAPIに送れない場合がある。ローカル実行、監査可能な重みとライセンス、vLLM、SGLang、Ollama、OpenRouter、Vercel AI Gatewayとの接続性は、数ポイントのベンチマーク差より調達表に載せやすい。
制約も明記されている
Poolsideは弱点も隠していない。第三者のagent harnessでは自社ツール形式を覚え込みすぎ、似ているが異なるschemaを誤用する可能性がある。ネストしたツール呼び出しではエスケープ不正のJSONを生成することがあり、thinking modeは特に競技数学で考えすぎる場合がある。
これらは、コードエージェントの失敗が「コードを書けない」ことだけではないと示している。問題はツールプロトコル、コンテキスト予算、止め時にもある。CI、リポジトリ、チケット、権限システムに接続した後は、1回の誤ったツール呼び出しが単なる誤答より重くなる。
価格面では、OpenRouterの無料エンドポイントが256Kコンテキスト、専用有料エンドポイントが100万トークン全体を提供し、料金は100万トークンあたり入力0.10ドル、出力0.20ドル、キャッシュ読み取り0.01ドルだ。最前線のクローズドモデルより安いが、長いエージェント作業は出力が十万から数十万トークンに膨らむため、安さも作業時間に食われる。
検証は実際のリポジトリで起きる
Laguna S 2.1の産業上の位置づけは明確だ。クローズドモデルの総合首位を狙うのではなく、欧米企業向けに、ダウンロードでき、セルフホストでき、既存の推論スタックにつながるコードエージェント基盤を提供する。
今後見るべき点は具体的だ。Hugging Faceのダウンロードとコミュニティ再現が続くか、vLLM、Ollama、SGLangの経路が実リポジトリで安定するか、次世代の大型LagunaがTerminal-Benchの差を縮められるか、OpenMDWライセンスが商用コンプライアンス審査で扱いやすいかだ。
これらが通れば、Laguna S 2.1の価値は「西側版DeepSeek」という看板ではない。コードをローカルに置け、長い改修作業を任せられ、請求額を計算でき、能力差も実案件で試せる程度まで縮まった、という調達側に分かりやすい答えになる。
参考資料：Poolside公式ブログ、Hugging Faceモデルカード、vLLM Recipes、CocoLoop、The Next Web。モデルパラメータ、アクティブパラメータ、コンテキスト長、ベンチマークの口径、訓練ハードウェア、ライセンス、推論デプロイ、公開された制約を確認した。