‏لاگونا XS.2 و M.1: مدل‌های جدید کدنویسی هوش مصنوعی

شرکت Poolside که تا حالا بیشتر روی مشتریان دولتی و بخش عمومی تمرکز داشت، حالا با معرفی خانواده مدل‌های Laguna وارد فضای عمومی هوش مصنوعی شده. دو مدل اول این خانواده یعنی Laguna M.1 و Laguna XS.2 رو رونمایی کردن که هر دو به‌صورت رایگان از طریق API و OpenRouter در دسترسن.

Laguna M.1 بزرگ‌ترین و قوی‌ترین مدل این خانواده‌ست. یه مدل MoE (Mixture of Experts) با ۲۲۵ میلیارد پارامتر کلیه که در لحظه اجرا فقط ۲۳ میلیارد پارامترش فعاله. این مدل کاملاً از صفر و با زیرساخت داخلی Poolside روی ۶۱۴۴ تا GPU از نسل NVIDIA Hopper آموزش دیده و ۳۰ تریلیون توکن دیده. نتیجه هم خوبه: ۴۶.۹٪ روی SWE-bench Pro و ۴۰.۷٪ روی Terminal-Bench 2.0.

Laguna XS.2 داستان جالب‌تریه. این مدل کوچیک‌تره (۳۳ میلیارد پارامتر کل، ۳ میلیارد فعال) ولی برای سایزش فوق‌العاده عمل می‌کنه. مهم‌تر از همه اینکه اولین مدل اپن‌ویت Poolside‌ه و با لایسنس Apache 2.0 منتشر شده، یعنی هرکسی می‌تونه وزن‌هاش رو دانلود کنه، fine-tune بده یا deploy کنه. این مدل ۴۴.۵٪ روی SWE-bench Pro می‌گیره که برای یه مدل ۳۳ میلیارد پارامتری عدد خیلی خوبیه.

هر دو مدل برای کدنویسی بلندمدت و کارهای عاملی (agentic) ساخته شدن. ایده اصلی Poolside اینه که مدل‌هایی که می‌تونن کد بنویسن و اجرا کنن، خیلی قوی‌تر از مدل‌هایی هستن که فقط ابزارهای از پیش‌تعریف‌شده رو صدا می‌زنن. یه ایجنت که کد می‌نویسه می‌تونه کارها رو موازی کنه، سیستم‌های موقت بسازه و خلاقانه‌تر با دنیا تعامل کنه.

کنار مدل‌ها، Poolside یه Agent Client Protocol یا ACP server هم منتشر کرده که همون ابزاریه که خودشون برای آموزش و ارزیابی ایجنت‌ها استفاده می‌کنن. این تصمیم نشون‌دهنده دیدگاه Poolside‌ه: مدل و ایجنت باید کنار هم دیده و استفاده بشن.

از نظر فنی، آموزش این مدل‌ها با استفاده از بهینه‌ساز Muon و یه سیستم async on-policy RL انجام شده. Poolside همچنین یه سیستم automixing داده طراحی کرده تا بتونه ۳۰ تریلیون توکن رو به شکل مؤثری در آموزش به کار ببره. تمام زیرساخت آموزش هم با سخت‌افزار NVIDIA بوده و Laguna XS.2 از همون روز اول در TensorRT-LLM پشتیبانی می‌شه.

مقایسه بنچمارک‌ها نشون می‌ده که Laguna M.1 در کلاس مدل‌های بزرگ با رقبایی مثل DeepSeek-V4-Flash و Qwen3.5 رقابت می‌کنه، در حالی که Laguna XS.2 در کلاس مدل‌های کوچیک با Qwen3.5 35B و Claude Haiku 4.5 دست و پنجه نرم می‌کنه و عملکرد قابل رقابتی داره.

Poolside اعلام کرده که به‌زودی وزن‌های پایه Laguna XS.2 رو هم منتشر می‌کنه و در حال اضافه کردن پشتیبانی از فریمورک‌های بیشتر مثل Ollama هستن. این تیم ۶۰ نفره که روی معماری، داده، پری‌ترینینگ و یادگیری تقویتی کار می‌کنن، قراره ادامه بدن و مدل‌های بیشتری از خانواده Laguna رو منتشر کنن.

نکات کلیدی:

• Laguna M.1 یه مدل MoE 225B پارامتریه که روی 30 تریلیون توکن آموزش دیده و 46.9٪ روی SWE-bench Pro می‌گیره
• Laguna XS.2 با 33B پارامتر اولین مدل اپن‌ویت Poolside‌ه و با لایسنس Apache 2.0 رایگانه
• هر دو مدل برای کدنویسی بلندمدت و کارهای عاملی طراحی شدن
• Poolside یه ACP server هم کنار مدل‌ها منتشر کرده که ابزار آموزش و ارزیابی ایجنت‌هاشونه
• هر دو مدل از طریق API و OpenRouter به‌صورت رایگان در دسترسن
• پشتیبانی از NVIDIA TensorRT-LLM از همون روز اول فراهمه