5 hours ago
- Laguna S 2.1 是一个拥有118B参数的混合专家模型，每个token激活8B参数，支持1M token的上下文窗口，在九周内开发完成。
- 它在长周期编码基准测试中取得了与更大模型竞争的成绩，在Terminal-Bench 2.1上得分70.2%，在DeepSWE v1.1上得分40.4%。
- 所有评估轨迹已公开发布在trajectories.poolside.ai，以确保透明度和可重复性。
- 案例研究表明，该模型从头构建了一个浏览器引擎，优化了自身的测试框架（速度提升5.2%，内存减少70%），并重新发现了一个数学证明。
- 该模型提供两种思考模式：关闭和最大，其中最大模式显著提升了性能（例如，Terminal-Bench 2.1从60.4%提高到70.2%）。
- 已知的限制包括测试框架过拟合、嵌套工具调用问题，以及在困难问题上思考时间超出预期。
- 关键的训练改进包括更大的展开预算、更好的沙盒基础设施、多测试框架展开，以及FP8精度的强化学习。
- 该模型专注于智能编码能力，并通过强化学习恢复隐藏的推理过程。
- Laguna S 2.1 可通过多个平台（Hugging Face、OpenRouter、Baseten）获取，并基于OpenMDW-1.1开放权重。