模型發布
Laguna S 2.1正式發布
Hacker News綜合 2 家報導
poolside 發布 Laguna S 2.1，這款 Mixture-of-Experts（MoE）模型共有 118B 參數、每個 token 啟用 8B 參數，thinking 與 no-thinking 模式均支援最高 1M tokens 的 context window，從開始訓練到推出不到九週。官方評測顯示，其在 Terminal-Bench 2.1、SWE-Bench Multilingual、SWE-Bench Pro、DeepSWE、SWE Atlas 與 Toolathlon Verified 分別取得 70.2%、78.5%、59.4%、40.4%、46.2%及 49.7%，並公開最終評估集每次試驗的完整 trajectories。Prime Intellect 稱它是同等規模下表現強勁的 open model，使用者可透過其平台進行 post-training、部署與 inference。
讀原始報導背景
Mixture of Experts（MoE）不同於每個 token 都動用全部參數的密集式 Transformer，而是只啟用部分專家與參數，因此比較 MoE 模型時也需留意啟用參數量。DeepSWE 是評估 AI 程式開發代理的長程軟體工程基準，任務涵蓋 91 個程式碼儲存庫與 5 種語言，並以手寫驗證器檢查軟體行為，而非實作細節。
社群討論
整體風向高度正面，留言認為這款 118B、8B active 的 MoE 模型兼具 open weights、長上下文推理與可自架性；實測有人稱其比 DS4-Flash 快 2 倍且稍聰明，能找出過去僅 GPT-5.2 發現的 C 程式碼問題，並已產出可用 PR。主要疑慮是它也曾誤判 memfd_create()/mmap 用於 IPC、在非程式題輸給 DS4-Flash，且被指偏諂媚；另有測試者提醒預設設定可能未真正啟用 THINKING，內附 generation_config.json 的 max_new_tokens 為 32k，可能截斷思考。社群也關注 64GB 裝置的量化版本、Mac／消費級硬體速度與未明確揭露的價格，並質疑 benchmark 是否足以支持其勝過更大型模型的宣稱。