Poolsideは兆単位の巨大モデルを出したわけではない。Laguna S 2.1は118B総パラメータ、8B activeのMoE型コードモデルで、重みはHugging Faceに置かれ、単体のNVIDIA DGX Sparkでも動かせると説明されている。
焦点は「最強」宣言ではない。欧米企業から、自社運用できるオープンウェイトのコードモデルが出た。ただしTerminal-Bench 2.1は70.2%で、閉鎖型の最前線にはまだ届かない。Poolsideの賭けは、企業がデータを外に出さないために、その差を受け入れるかどうかだ。
配備できるサイズに寄せた
公式ブログによると、Laguna S 2.1は最大1M tokenのコンテキストに対応し、訓練開始から公開まで9週間未満だった。主な数値はTerminal-Bench 2.1で70.2%、SWE-Bench Multilingualで78.5%、SWE-Bench Pro公開データで59.4%、DeepSWEで40.4%。
ただし口径はそろっていない。70.2%はPoolsideのagent harness、40.4%はthinking modeでのDeepSWEだ。比較表にはベンダー自己申告や第三者リーダーボードの最高値も含まれるため、精密な横比較より位置づけを見る材料になる。
引用が示すのは作業態度
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.
Pengming Wangの説明を日本語で言えば、知能そのものを足すより、確認し、早合点せず、途中で勝利宣言しない作業癖を強めたということだ。
公式事例では、50分181ステップでHTML/CSSレンダリングエンジンを作った例と、社内harnessを5.2%高速化し、メモリ割り当てを約70%減らした例が示された。
オープンウェイトの空白
ここ最近、オープンウェイトのコードモデルではKimi、Qwen、DeepSeek、MiniMaxなど中国勢の存在感が大きい。Laguna S 2.1は、30B級より長い作業に強く、兆級モデルより導入しやすい中間帯を狙う。
Hugging FaceのモデルカードはNVFP4版のOpenMDW-1.1ライセンスを確認している。vLLM RecipesはBF16重みが約235GBで、実運用では量子化チェックポイントが現実的だと示している。
制約も重要だ
Poolsideは制約も明記した。第三者harnessで自社ツール形式に引きずられる、ネストしたtool callでJSONが壊れる、thinkingが長く続く場合がある。実運用のcoding agentでは、こうした失敗がベンチマークの1問より重い。
OpenRouterでは256Kの無料エンドポイントと、1M contextの専用エンドポイントがあり、価格は100万tokenあたり入力0.10ドル、出力0.20ドル、cache read 0.01ドル。安く見えるが、長時間agentは1回で大量の出力tokenを使う。
検証はこれから
見るべき点は、Hugging Faceでの再現、vLLM/Ollama/SGLangの安定運用、実リポジトリでの挙動、次の大型LagunaでTerminal-Benchの差が縮まるかだ。
Laguna S 2.1は閉鎖型最前線を倒すモデルではない。コードを社内に置き、長い作業を走らせ、ライセンスと費用を読めるようにするための、調達しやすい候補だ。
情報源：Poolside公式ブログ、Hugging Faceモデルカード、vLLM Recipes、CocoLoop、The Next Web。モデル規模、active parameter、context window、benchmark口径、訓練ハードウェア、ライセンス、推論経路、公開された制約を確認。