Poolside Laguna S 2.1: 1M 컨텍스트 길이를 가진 118B 오픈소스 코딩 모델

서론

Poolside가 Laguna S 2.1을 공개했습니다. 이는 지금까지 공개적으로 사용 가능한 가장 강력한 코딩 모델입니다.

이 모델은 에이전트 소프트웨어 엔지니어링 및 장기 실행 작업을 위해 설계되었습니다. 총 1,180억 개의 매개변수를 보유하고 있으며, 토큰당 약 80억 개의 매개변수가 활성화되며, 사고 모드와 비사고 모드 모두에서 최대 1,048,576개 토큰의 컨텍스트 윈도우를 지원합니다.

Poolside는 OpenMDW-1.1 라이선스에 따라 모델 가중치를 공개했습니다. 또한 Hugging Face를 통해 여러 공식 체크포인트와 양자화 형식을 제공하고 있으며, OpenCode는 한정된 기간 동안 무료 호스팅 버전을 제공합니다.

이러한 세부 사항은 Laguna S 2.1을 특별한 릴리스로 만듭니다. 이 모델은 모든 토큰에 대해 전체 1,180억 개의 매개변수 네트워크를 통과할 필요 없이 강력한 코딩 에이전트 성능을 제공하도록 설계되었으며, 충분히 강력한 하드웨어를 갖춘 팀이 사설 배포할 수 있습니다.

한편, 이번 릴리스와 관련된 몇 가지 주장은 상황에 맞게 이해해야 합니다. 벤치마크 점수는 주로 Poolside가 보고한 것이며, 모든 호스팅 공급자가 100만 토큰 용량을 완전히 노출하는 것은 아니며, "DGX Spark 한 대에서 실행할 수 있을 만큼 작다"는 것이 일반 개발자 노트북에서 원활하게 실행된다는 의미는 아닙니다.

Laguna S 2.1이란?

Laguna S 2.1은 소프트웨어 엔지니어링, 터미널 작업, 도구 사용 및 코딩 에이전트 워크플로우에 특화된 텍스트-텍스트 기반 모델입니다.

이는 Poolside의 다른 두 모델 사이에 위치합니다:

모델	총 매개변수	토큰당 활성 매개변수	컨텍스트 윈도우	포지셔닝
Laguna XS 2.1	33B	3B	256K	더 빠른 로컬 및 단기 코딩
Laguna S 2.1	118B	약 8B	1M	더 강력한 장기 에이전트 코딩
Laguna M.1	225B	23B	256K	복잡한 에이전트 작업을 위한 대형 모델

Poolside는 Laguna S 2.1이 학습 시작부터 출시까지 단 9주 미만이 소요되었다고 밝혔습니다. 이 모델은 Laguna XS 2.1과 동일한 사전 학습 데이터 시리즈를 기반으로 학습되었으며, 확장, 학습 코드 수정, 레시피 변경 및 새로운 사후 학습 작업을 통해 성능 향상을 달성했습니다.

Poolside는 S 2.1을 현재 일일 기능 개발, 다중 파일 변경, 터미널 작업 및 더 긴 코딩 세션에서 가장 강력한 모델이라고 설명합니다.

핵심 모델 사양

공식 모델 카드에는 다음과 같은 아키텍처가 명시되어 있습니다:

사양	Laguna S 2.1
아키텍처	혼합 전문가 모델
총 매개변수	118B
활성 매개변수	토큰당 약 8B
레이어 수	48
전역 어텐션 레이어	12
슬라이딩 윈도우 레이어	36
슬라이딩 윈도우 크기	512개 토큰
라우팅 전문가 수	256
선택된 전문가 수	상위 10개
공유 전문가 수	1
컨텍스트 윈도우	1,048,576개 토큰
모달리티	텍스트 입력 및 텍스트 출력
추론	교차 사고, 요청 시 제어 가능
어휘 크기	100,352개 토큰

이 모델은 그룹 쿼리 어텐션과 전역 및 슬라이딩 윈도우 어텐션의 혼합을 사용합니다. Poolside는 또한 학습된...

추측적 디코딩을 위한 DFlash 초안 모델

추론 스택이 지원할 때 이 모델은 서비스 지연 시간을 줄일 수 있습니다.

혼합 전문가(MoE) 설계 방식의 작동 원리

Laguna S 2.1은 1,180억 개의 매개변수를 포함하지만 모든 토큰이 모든 매개변수를 활성화하지는 않습니다.

라우터는 각 토큰에 대해 일부 전문가를 선택하며, 실제 계산에 참여하는 매개변수는 약 80억 개입니다. 이것이 Poolside가 이 모델이 동일한 규모의 밀집 모델보다 더 효율적이라고 말하는 주된 이유입니다.

간소화된 비교표는 다음과 같습니다:

밀집 모델	혼합 전문가 모델
토큰당 대부분의 매개변수 참여	선택된 전문가만 참여
계산량이 전체 규모에 따라 증가	계산량이 전체 규모보다 훨씬 적을 수 있음
라우팅 동작이 단순함	라우팅 및 서비스가 더 복잡함
메모리는 전체 모델 가중치에 의존	메모리는 전체 가중치와 선택된 정밀도에 의존

효율성 이점을 메모리 사용량이 적다는 것으로 오해해서는 안 됩니다.

토큰당 80억 개의 매개변수만 활성화되더라도 시스템은 전체 전문가 가중치에 액세스해야 합니다. 공식 GGUF 파일은 실제 규모를 보여줍니다:

공식 GGUF 파일	대략적인 크기
F16	235GB
Q8_0	128GB
Q4_K_M	75GB
DFlash BF16 초안 모델	2.2GB

4비트 양자화 버전은 전체 정밀도 모델보다 관리하기 쉽지만, 75GB는 여전히 매우 높은 통합 메모리 또는 가속 메모리를 갖춘 워크스테이션이 필요하며, 컨텍스트 캐시 및 런타임을 위한 추가 공간도 필요합니다.

백만 토큰 컨텍스트 윈도우

기본 모델은 최대 1,048,576개 토큰의 컨텍스트 길이를 지원합니다.

코딩 에이전트의 경우 대형 컨텍스트 윈도우는 다음과 같은 작업에 유용합니다:

대규모 코드 저장소
많은 관련 소스 파일
긴 터미널 기록
빌드 및 테스트 로그
API 문서
아키텍처 설명
이전 에이전트 결정
다중 도구 출력
장기 리팩토링 작업

백만 토큰 제한이 모든 요청에서 전체 윈도우를 채워야 한다는 것을 의미하지는 않습니다.

긴 컨텍스트는 메모리 사용량, 사전 채우기 시간 및 서비스 비용을 증가시킵니다. 또한 관련 없는 정보를 도입하여 모델 작업을 더 어렵게 만들 수 있습니다. 우수한 코딩 에이전트 프레임워크는 여전히 파일 선택, 검색, 요약, 캐싱 및 컨텍스트 관리 기능이 필요합니다.

호스팅 플랫폼은 기본 모델이 지원하는 것보다 낮은 컨텍스트 제한을 노출할 수 있습니다. OpenCode 릴리스 발표는 100만 컨텍스트를 지원한다고 밝혔지만, 최대값을 중심으로 워크플로우를 설계하기 전에 사용자는 현재 모델 항목과 공급업체 정책을 확인해야 합니다. 무료 또는 미리 보기 엔드포인트는 언제든지 컨텍스트 제한과 가용성을 조정할 수 있습니다.

사고 모드와 비사고 모드

Laguna S 2.1은 추론 활성화 모드와 무사고 모드를 모두 지원합니다.

지원되는 추론 API에서는 enable_thinking 옵션을 통해 요청별로 추론 모드를 제어할 수 있습니다.

두 모드는 다양한 작업에 적합합니다:

사고 모드

이 모드는 계획 및 중간 추론이 필요한 작업에 적합합니다. 예:

복잡한 오류 디버깅
여러 파일의 변경 사항 조정
마이그레이션 계획 설계
익숙하지 않은 코드 저장소 연구
일련의 터미널 도구 실행
여러 실행 가능한 방법을 사용한 문제 해결

무사고 모드

무사고 모드는 다음 시나리오에 더 적합합니다:

소규모 수정
직접 코드 생성
형식 조정
간단한 변환
낮은 지연 시간 완성
반복성이 높은 일상 작업

추론 모드는 모든 작업에 자동으로 적합하지 않습니다. 일반적으로 더 많은 토큰을 소비하고 시간이 더 오래 걸립니다. 팀은 자체 코드 저장소에서 두 모드를 모두 평가하고 주관적인 출력 품질이 아닌 작업 완료율을 통해 효과를 측정해야 합니다.

Poolside가 보고한 벤치마크 결과

Poolside는 Laguna S 2.1의 테스트 결과를 다음과 같이 공개했습니다:

벤치마크	보고된 점수
Terminal-Bench 2.1	70.2%
SWE-Bench 다국어 버전	78.5%
SWE-Bench Pro(공개 데이터셋)	59.4%
DeepSWE	40.4%
SWE Atlas(코드베이스 Q&A)	46.2%
Toolathlon Verified	49.7%

Poolside는 대부분의 점수가 pass@1 지표를 기반으로 하며 여러 테스트의 평균값을 취한 것이라고 밝혔습니다. 공개 궤적 아카이브는...

Terminal-Bench 2.1 실행 기록, 개발자가 에이전트가 특정 작업을 처리하는 과정을 더 명확히 이해할 수 있도록 함

결과는 Laguna S 2.1이 총 매개변수 수가 더 큰 여러 모델과 비교해 경쟁력이 있음을 보여줍니다.

하지만 벤치마크 테이블은 신중하게 해석해야 합니다.

벤치마크 결과는 범용 제품 순위가 아님

결과는 다음 요인에 따라 달라질 수 있습니다:

에이전트 프레임워크
시스템 프롬프트
도구 정의
타임아웃 설정
시도 횟수
샘플링 파라미터
테스트 버전
코드 저장소 구성
추론 정밀도
컨텍스트 구성
점수 출처 (모델 개발사 vs 독립 평가자)

Poolside 모델 페이지에 따르면, 비교 테이블은 경쟁 모델의 공급업체 보고서, 벤치마크 리더보드 또는 타사 리더보드에서 가장 높은 데이터를 사용할 수 있습니다. 이 방법은 거시적 비교에는 적합하지만, 모든 모델을 통일된 평가 구성으로 테스트하는 것과는 다릅니다.

가장 안전한 결론은: Laguna S 2.1이 유효 매개변수 범주에서 강력한 성능을 보인다는 것입니다. 프로덕션용 코딩 모델을 선택하는 팀은 여전히 자체 문제 세트, 코드 저장소, 도구 체인 및 검토 기준을 사용하여 테스트해야 합니다.

OpenMDW-1.1 라이선스 기반 오픈소스 가중치

Poolside는 OpenMDW-1.1 라이선스로 Laguna S 2.1을 출시했습니다. 이 모델 자료 라이선스는 OpenMDW 프로젝트에서 유지 관리합니다.

이 라이선스는 사용자에게 조건을 준수하는 한 모델 자료를 무료로 사용, 수정 및 재배포할 수 있는 광범위한 권한을 부여합니다. 재배포 시 라이선스 및 관련 저작권 또는 출처 표시를 유지해야 합니다.

또한, 이 모델을 사용하여 생성된 출력 콘텐츠는 라이선스의 적용을 받지 않습니다.

실제 적용 시 개발자는 다음 용어를 구분해야 합니다:

오픈소스 가중치: 학습된 모델 파라미터를 다운로드할 수 있습니다.
오픈소스 소프트웨어: 소스 코드가 오픈소스 기준을 충족하는 소프트웨어 라이선스에 따라 출시됩니다.
오픈 모델: 가중치, 아키텍처, 문서, 학습 데이터 및 학습 코드를 포함할 수 있는 광범위한 용어입니다.

Laguna S 2.1은 명확히 오픈소스 가중치 출시에 해당합니다. Poolside와 OpenCode는 인공지능 기술의 발전과 응용을 촉진하기 위해 공동으로 노력하고 있습니다.

출시 자료에서는 더 강력한 "오픈소스" 표현을 사용했지만, 조직은 재배포 또는 상용 배포 전에 OpenMDW-1.1 실제 텍스트, Poolside의 책임 있는 사용 가이드라인, 타사 종속성 및 자체 법적 요구 사항을 검토해야 합니다.

이 라이선스는 모델 자료를 "있는 그대로" 제공하며 어떠한 보증도 하지 않습니다. 사용자는 정확성, 안전성, 적합성 및 규정 준수에 대한 테스트를 직접 수행해야 합니다.

Laguna S 2.1, OpenCode에서 기간 한정 무료 제공

OpenCode는 프로모션 기간 동안 Laguna S 2.1을 OpenCode Zen을 통해 모델 사용료 없이 무료로 사용할 수 있다고 발표했습니다.

이는 사용자에게 75-235 GB의 체크포인트 파일을 다운로드하거나 로컬 추론 하드웨어를 실행할 필요 없이 낮은 진입 장벽으로 테스트할 수 있는 방법을 제공합니다.

OpenCode의 문서는 두 가지 중요한 세부 사항을 지적합니다:

무료 제공은 임시적입니다.
무료 Laguna S 2.1 서비스의 입력 및 출력은 수집되어 모델 개선에 사용될 수 있습니다.

따라서 사용자는 다음을 전송하지 않도록 주의해야 합니다:

독점 소스 코드.
고객 데이터.
자격 증명 정보.
개인 키.
기밀 아키텍처 문서.
보안에 민감한 로그.
규제 대상 또는 개인 정보.

무료 미리보기는 공개 코드 저장소, 합성 프로젝트 및 낮은 위험 평가에 적합합니다. 비공개 회사 코드로 테스트하는 것은 플랫폼의 현재 데이터 정책, 보유 조항, 작업 공간 제어 및 사용 가능한 유료 또는 자체 호스팅 옵션을 검토한 후에만 수행해야 합니다.

Laguna S 2.1 사용해보는 방법

옵션 1: 무료 OpenCode 모델 사용

OpenCode는 공식 설치 프로그램을 통해 설치할 수 있습니다:

curl -fsSL https://opencode.ai/install | bash

설치가 완료되면 OpenCode Zen에 연결하고 현재 나열된 Laguna S 2.1 무료 모델을 선택합니다.

미리보기 기간 동안 정확한 모델 이름, 컨텍스트 제한, 사용 상한 및 가용성은 변경될 수 있습니다. 장기 작업을 시작하기 전에 OpenCode Zen 문서와 모델 선택기를 확인하십시오.

옵션 2: Docker 모델 러너로 기본 모델 실행

무료 · We0 AI 사용하기

몇 분 만에 쇼케이스 사이트를 만들고 리드를 늘리세요

아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.

무료 등록을 위한 하나의 완전한 프로젝트 생성

하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.

무제-1

공들여 나열한 것

채우다

반지름

생성 중

공식 Hugging Face 모델 카드에는 다음 명령이 포함되어 있습니다:

docker model run hf.co/poolside/Laguna-S-2.1

필요한 다운로드 크기와 메모리 양은 런타임 시 선택한 형식에 따라 다릅니다. 모델 파일을 워크스테이션이나 서버로 가져오기 전에 먼저 모델 파일을 확인하십시오.

옵션 3: llama.cpp로 공식 GGUF 양자화 서비스 제공

Poolside는 공식 GGUF 저장소와 Laguna 호환 llama.cpp 포크를 제공합니다.

git clone --branch laguna https://github.com/poolsideai/llama.cpp
cd llama.cpp
cmake -B build
cmake --build build -j

./build/bin/llama-server \
-hf poolside/Laguna-S-2.1-GGUF:Q4_K_M \
--jinja \
--port 8000

Q4_K_M 파일 크기는 약 75 GB입니다. 시스템은 또한 런타임 오버헤드 및 KV 캐시, 특히 긴 컨텍스트를 사용할 때 메모리가 필요합니다.

옵션 4: DFlash 추론 디코딩 추가

공식 지침에는 선택적 DFlash 드래프트 모델이 포함되어 있습니다:

./build/bin/llama-server \
-m laguna-s-2.1-Q4_K_M.gguf \
-md laguna-s-2.1-DFlash-BF16.gguf \
--spec-type draft-dflash \
--spec-draft-n-max 15 \
-fa on \
--jinja \
--port 8000

추론 디코딩은 생성 속도를 높일 수 있지만, 구체적인 결과는 하드웨어, 프롬프트 형식, 컨텍스트 길이, 빌드 구성 등에 따라 다릅니다.

구성 및 드래프트 모델 승인율.

단일 NVIDIA DGX Spark에서 정말 실행될까요?

Poolside는 Laguna S 2.1이 단일 NVIDIA DGX Spark에서 실행될 수 있을 만큼 작다고 주장합니다.

적절한 양자화 체크포인트의 경우 DGX Spark가 대용량 통합 메모리 구성을 중심으로 설계되었기 때문에 가능합니다. 그러나 이것이 모든 모델 형식, 컨텍스트 크기 또는 서비스 패턴이 즉시 적응할 수 있다는 것을 의미하지는 않습니다.

사용자는 각각 네 가지 질문을 해야 합니다:

가중치를 로드할 수 있습니까?
런타임 오버헤드 후 얼마나 긴 컨텍스트를 지원할 수 있습니까?
어떤 토큰 생성 속도를 달성할 수 있습니까?
시스템이 동시에 몇 개의 에이전트 세션을 서비스할 수 있습니까?

이론적으로 로드 가능한 모델이라도 극단적인 컨텍스트 길이에서는 대화형 코딩에 사용하기에는 너무 느릴 수 있습니다. 처리량, 첫 번째 토큰 생성 시간, 전력 소비 및 동시 워크로드는 모두 별도로 측정해야 합니다.

로컬 배포에 대한 커뮤니티 보고서

초기 AIBase 보고서는 128 GB 통합 메모리를 갖춘 Apple M3 Max 시스템과 Poolside의 llama.cpp 포크를 사용한 커뮤니티 테스트를 인용했습니다.

75 GB Q4_K_M 체크포인트는 이러한 배포를 기술적으로 신뢰할 수 있게 만들지만, 경험은 다음 요인에 따라 크게 달라집니다:

메모리 압력.
컨텍스트 크기.
양자화 수준.
프롬프트 길이.
CPU 및 GPU 오프로드.
방열 제한.
추론 디코딩.
통합 메모리를 사용하는 다른 애플리케이션.

커뮤니티 보고서를 신뢰할 수 있는 하드웨어 권장 사항으로 간주해서는 안 됩니다. 개발자는 공식 파일 크기를 참조하고 모델을 다운로드하기 전에 충분한 메모리 여유를 확보해야 합니다.

Laguna S 2.1이 에이전트형 코딩에 중요한 이유

Laguna S 2.1은 코딩 모델 분야의 몇 가지 광범위한 변화를 반영합니다.

더 작은 활성 컴퓨팅 규모가 더 중요해지고 있음

총 매개변수 수가 많으면 용량을 제공할 수 있고, 희소 활성화는 단일 토큰 계산량을 제어하는 데 도움이 됩니다.

MoE 아키텍처는 수 분 또는 수 시간 동안 실행될 수 있는 코딩 에이전트에게 더욱 매력적입니다.

긴 컨텍스트가 오픈 웨이트 모델에 통합되고 있습니다

백만 개의 토큰 창은 주로 호스팅 독점 모델과 연관되어 있었습니다. 이것이 오픈 웨이트 코딩 모델에 등장하면서 팀은 긴 저장소 실험과 비공개 배포에 대해 더 많은 통제력을 갖게 되었습니다.

에이전트 프레임워크가 가장 중요합니다

Poolside는 자체 에이전트 프레임워크 내에서 Laguna 모델을 훈련시키며, 이러한 모델이 해당 환경이나 Agent Client Protocol과 호환되는 다른 클라이언트에서 최상의 성능을 발휘한다고 밝혔습니다.

코딩 벤치마크는 단순한 원시 다음 토큰 예측 능력이 아니라 모델과 에이전트로 구성된 시스템을 측정합니다. 도구 사용, 컨텍스트 선택, 재시도 로직, 터미널 접근, 패치 적용 등이 성능에 실질적인 영향을 미칩니다.

오픈 웨이트가 배포 옵션을 확장합니다

조직은 파일을 검사하고, 자체 런타임을 선택하며, 모델을 양자화하고, 사설 인프라에 배포하며, 내부 코딩 에이전트에 연결할 수 있습니다.

이러한 유연성은 개인정보에 민감한 소스 코드와 네트워크 접근이 제한된 환경에서 특히 가치가 있습니다.

프로덕션 환경에서 사용하기 전에 고려해야 할 한계

순수 텍스트 모달

공식 모델 카드는 Laguna S 2.1을 텍스트-텍스트 모델로 설명합니다. 이는 기본적으로 이미지, 오디오 또는 비디오 모델이 아닙니다.

높은 메모리 요구 사항

활성 매개변수 수는 상대적으로 작지만, 전체 모델의 가중치는 여전히 큽니다. 일반 노트북은 공식 고품질 형식에 적합하지 않습니다.

긴 컨텍스트는 비용이 많이 들 수 있습니다

최대 백만 개의 토큰 용량이 일상적인 사용에서 효율적인 백만 개의 토큰 처리를 의미하지는 않습니다. 프리필 지연 시간과 KV 캐시 메모리는 상당히 커질 수 있습니다.

벤치마크는 내부 검증이 필요합니다

눈에 띄는 공개 프로그래밍 점수가 회사의 언어 조합, 빌드 시스템, 코딩 표준 또는 비공개 프레임워크에서도 뛰어난 성능을 보장하지는 않습니다.

무료 호스팅 접근에는 데이터 영향이 있습니다

OpenCode의 무료 기간 문서는 수집된 입력 및 출력이 모델 개선에 사용될 수 있다고 명시합니다. 승인된 정책 없이는 기밀 코드를 제출해서는 안 됩니다.

에이전트 코딩은 실제 시스템을 수정할 수 있습니다

모든 코딩 에이전트는 광범위한 권한을 얻을 때 파일을 삭제하고, 명령을 실행하고, 종속성을 변경하거나 보안 취약점을 도입할 수 있습니다.

사용 방법:

버전 관리.
격리된 작업 공간.
최소 권한 자격 증명.
인간 검토.
테스트 환경.
백업.
명령 승인.

누가 Laguna S 2.1을 평가해야 할까요?

Laguna S 2.1은 다음에 가장 적합합니다:

자율 코딩 에이전트를 구축하는 팀.
독점 코딩 API의 대안을 평가하는 개발자.
비공개 모델 배포가 필요한 조직.
장기 소프트웨어 엔지니어링을 연구하는 연구자.
대용량 메모리 워크스테이션이나 서버를 보유한 인프라 팀.
OpenAI 호환 또는 ACP 기반 에이전트 클라이언트를 사용하는 도구 제작자.

다음에는 적합하지 않을 수 있습니다:

노트북 전용 경량 워크플로우.
간단한 자동 완성.
모바일 배포.
75GB 이상의 모델을 실행할 인프라가 없는 팀.
강력한 샌드박스가 부족한 고위험 프로덕션 자동화.
기본 멀티모달 입력이 필요한 워크로드.

자주 묻는 질문

Poolside Laguna S 2.1이란 무엇인가요?

Laguna S 2.1은 에이전트 코딩 및 장기 소프트웨어 엔지니어링 작업을 위해 설계된 1,180억 개의 매개변수를 가진 혼합 전문가 모델입니다. 토큰당 약 80억 개의 매개변수가 활성화되며, 최대 1,048,576개의 토큰 컨텍스트 창을 지원합니다.

Laguna S 2.1은 완전 오픈소스인가요?

가중치는 OpenMDW-1.1 라이선스에 따라 공개적으로 사용 가능하므로, '오픈 웨이트'가 가장 명확한 설명입니다. 사용자는 재배포 또는 상업적 배포 전에 라이선스 계약, 모델 문서, 수용 가능한 사용 가이드라인 및 모든 타사 구성 요소를 검토해야 합니다.

Laguna S 2.1을 OpenCode에서 무료로 사용할 수 있나요?

OpenCode는 현재 제한된 기간 동안 무료 Laguna S 2.1 옵션을 제공합니다. 가용성, 컨텍스트 제한, 속도 제한 및 데이터 사용 약관은 변경될 수 있으므로, 이에 의존하기 전에 현재 OpenCode Zen 문서를 확인하세요.

무료 버전의 OpenCode는 백만 개의 토큰 컨텍스트 창을 제공하나요?

OpenCode의 공지는 기본 모델의 최대 용량과 일치하는 백만 개의 컨텍스트를 강조했습니다. 호스팅 엔드포인트는 다른 제한을 적용할 수 있으므로, 매우 긴 컨텍스트를 보내기 전에 OpenCode에서 활성화된 모델 구성을 확인하세요.

Laguna S 2.1을 Mac에서 실행할 수 있나요?

커뮤니티 보고서에 따르면 양자화된 버전은 128GB M3 Max 구성을 포함하여 고메모리 Apple Silicon 시스템에서 실행될 수 있습니다. 성능 및 사용 가능한 컨텍스트는 양자화 방식, 런타임 환경, 사용 가능한 메모리 및 시스템 부하에 따라 다릅니다.

Laguna S 2.1을 단일 DGX Spark에서 실행할 수 있나요?

Poolside는 적절한 버전이 단일 NVIDIA DGX Spark에서 실행될 수 있다고 밝혔습니다. 달성 가능한 컨텍스트 길이, 토큰 속도 및 동시성은 체크포인트 형식 및 서비스 구성에 따라 다릅니다.

Laguna S 2.1의 벤치마크 점수는 어떻게 되나요?

Poolside는 Terminal-Bench 2.1에서 70.2%, SWE-Bench Multilingual에서 78.5%, 공개 SWE-Bench Pro 데이터셋에서 59.4%, DeepSWE에서 40.4%를 기록했다고 보고합니다. 이 수치는 회사의 테스트 방법론 및 독립적인 테스트와 함께 평가되어야 합니다.

Laguna S 2.1은 추론 제어를 지원하나요?

지원합니다. 공식 모델 카드는 인터리브드 사고를 지원하며, 호환 가능한 서비스 시스템에서 요청별로 추론을 활성화 또는 비활성화할 수 있음을 보여줍니다.

요약

Poolside Laguna S 2.1은 총 118B 파라미터, 토큰당 약 8B 활성 파라미터, 100만 토큰의 컨텍스트 윈도우, 제어 가능한 추론을 제공하며, 다양한 형식으로 공식적으로 가중치가 공개되었습니다.

Poolside는 Terminal-Bench 2.1에서 70.2%, DeepSWE에서 40.4%를 포함한 터미널 및 소프트웨어 엔지니어링 벤치마크에서 강력한 성능을 보고했습니다. 이러한 성과로 해당 모델은 자체 크기 등급에서 두드러지지만, 팀은 자체 저장소와 에이전트 프레임워크에서 성능을 재현해야 합니다.

OpenCode의 제한된 기간 무료 액세스를 통해 모델을 쉽게 테스트할 수 있으며, 다운로드 가능한 가중치를 통해 프라이빗 배포가 가능하지만, 이에는 큰 메모리 요구 사항, 호스팅 서비스 정책 변경, 그리고 자율 코딩 에이전트의 정상 운영 리스크가 따릅니다.

Laguna S 2.1은 장기 코딩 작업을 위한 의미 있는 오픈소스 가중치 공개이지만, 그 진정한 가치는 에이전트 통합, 배포 효율성, 그리고 단순히 100만 컨텍스트 토큰이라는 레이블이 아닌 실제 개발 작업에서의 성과에 달려 있습니다.