Laguna S 2.1 深度解析：118B MoE 开放权重编码模型，单机可跑的代码助手新标杆
AI编程开源模型MoE架构本地部署
2026年7月21日，旧金山AI实验室Poolside扔下了一颗不大不小的"炸弹"——Laguna S 2.1正式开源。说"不大"，是因为118B的总参数量放在今天动辄万亿参数的巨头面前，确实不算出挑；说"不小"，则是因为这个模型在Terminal-Bench 2.1上拿下了70.2%的成绩，而且最夸张的是，它的完整权重能塞进一台NVIDIA DGX Spark里跑起来。这意味着什么？意味着你书桌上那台看起来像个精致小盒子的设备，突然有了跟数据中心级模型掰手腕的底气。
Poolside的联合CEO Jason Warner在发布当天说了一句很直白的话："西方需要值得信赖、可以运行并在此基础上进行开发的开源模型。"这句话背后藏着一层焦虑——自OpenAI在2025年8月放出gpt-oss-120b之后，整整11个月，西方实验室在同级别开源编码模型上几乎交了白卷。Laguna S 2.1的出现，恰好填上了这个空档。
参数不大，门道不少：Laguna S 2.1 的架构到底特殊在哪
很多人看到"118B总参数、8B激活参数"这组数字，第一反应可能是"又是MoE那一套，稀疏激活省算力嘛"。但Laguna S 2.1的混合专家设计里藏了不少Poolside自己的小心思。
整个模型堆了48层，里面塞了256个路由专家和1个共享专家。每个token进来，门控网络会挑出排名前10的路由专家参与计算，再加上那个始终在线的共享专家。这种"256选10+1"的组合，让单次前向传播的实际计算量控制在了8B参数的级别。作为对比，DeepSeek-V4-Pro-Max的总参数是1.6T，Kimi K3更是飙到了2.8T——Laguna S 2.1的体量连人家的零头都够不上，却在Terminal-Bench上把DeepSeek-V4-Pro-Max的64.0%甩在了身后。
更值得关注的是它的注意力机制。Poolside没有无脑堆砌全局自注意力，而是采用了一种交替策略：每1层全局注意力配3层滑动窗口注意力，窗口大小锁死在512个token。这种设计在长上下文场景下相当务实——既保留了捕捉远距离依赖的能力，又把KV缓存的内存占用压到了可接受的范围。配合8个KV头的分组查询注意力（GQA），百万token的上下文窗口在付费端点上成了现实，而不是PPT上的数字。
路由门控用的也不是常见的softmax top-k，而是sigmoid门控加归一化专家权重，每层还带了旋转尺度。这些细节听起来很工程化，但翻译成人话就是：Poolside在专家调度上花了真功夫，不是简单套了个MoE的壳子就出来交差。
Terminal-Bench 70.2% 意味着什么：这个分数到底硬不硬
聊编码模型，基准测试是绕不开的坎。Laguna S 2.1在Terminal-Bench 2.1上拿了70.2%，在Poolside自家的编译排行榜上排第11。单看排名似乎一般，但你要是把榜单拆开看，前面那些排在前面的要么是Claude Fable 5（88.0%）、GPT-5.6 Sol（88.8%）这种闭源黑盒，要么是Kimi K3（88.3%）这种2.8T参数的庞然大物。在开放权重、80亿以下激活参数的圈子里，Laguna S 2.1基本就是天花板级别的存在。
横向拉几个同量级的对手出来比比，差距就更明显了。腾讯的Hy3总参数295B、激活21B，Terminal-Bench得分71.7%，只比Laguna S 2.1高1.5个百分点，但参数规模几乎是人家的三倍。Inkling更夸张，975B总参数、41B激活，得分却只有63.8%，被Laguna S 2.1反超了6个多点。SWE-Bench Pro公开版上，Laguna S 2.1的59.4%同样压过了Hy3的57.9%和DeepSeek-V4-Pro-Max的55.4%。
Poolside为了堵上"刷榜"的嘴，直接把每次评估的完整轨迹挂到了trajectories.poolside.ai上。每个分数都是pass@1，每个任务测3到4次取平均。这种透明度的做法在当下的模型发布里并不多见，至少说明Poolside对自己的结果是有底气的。当然，社区里也冒出了一些不同的声音——有Reddit用户反馈，在不同测试平台复现时，某些模式任务的得分会在0.40到0.79之间大幅波动，max_tokens的设置对结果影响显著。这也提醒我们，基准测试分数看看就好，真刀真枪地用到项目里才是试金石。
从云端到桌面：Laguna S 2.1 的部署方案有多灵活
如果说性能是Laguna S 2.1的敲门砖，那部署友好度就是它真正的杀手锏。这个模型从发布第一天起就铺满了各种渠道：Hugging Face上能下到BF16、FP8、INT4、NVFP4、GGUF、MLX六种格式的权重，Ollama一条命令就能拉起来，vLLM和SGLang原生支持，OpenRouter同时开了免费层和付费层，Vercel AI Gateway、Baseten、OpenCode、Kilo Code、Cline也在当天完成了对接。
但真正让开发者眼睛发亮的，是"单机可跑"这四个字。
Q4_K_M量化版本大约需要75GB内存，这意味着一台128GB统一内存的Apple Silicon Mac或者NVIDIA DGX Spark就能把它跑起来。Hugging Face的Thomas Wolf直接给了定语："目前你可以在本地单台设备上运行的最佳编码模型。"社区实测数据也佐证了这一点——Apple M5 Max配合Ollama的Q4_K_M版本，短上下文下解码速度能到49 tok/s，即使把上下文拉到16K，速度也还能维持在36 tok/s左右。在单块DGX Spark上，无推测解码时速度约13到14 tok/s，开启DFlash推测解码后能飙到22到24 tok/s。
说到DFlash，这是Poolside随主模型一起放出的一个配套草稿模型，专门用来搞推测解码。原理不复杂：先用一个轻量级的草稿模型快速生成候选token，再由主模型批量验证。在RTX 6000 PRO上，代码提示的单流解码速度从109 tok/s提到了271 tok/s，提升幅度相当可观。不过社区也反馈了几个坑：DFlash在散文类文本上效果一般，高并发时 rejected draft 会占用批处理容量，反而可能拖后腿。Poolside CEO Eiso Kant也承认，RTX 6000 PRO在发售后24小时内确实暴露了一些稳定性问题，正在紧急修复。
实际用起来怎么样：社区首日反馈里的真实画像
基准测试是实验室环境，真实世界的代码库才是模型的考场。Laguna S 2.1发布当天，社区里已经有人把它塞进了各种奇奇怪怪的场景里。
一位独立评估员在自己的私有安全沙箱里成功跑通了六级工具链，按他的说法，这是他在任何本地模型上测过的最深层级。Kilo Code团队更直接，把纽约市的开放数据丢给模型，让它现场搭了一个地形分区可视化工具，从数据清洗到前端渲染一条龙搞定。代码库问答方面，SWE Atlas的得分是46.2%，虽然离顶尖闭源模型还有距离，但对于一个能本地跑的开放权重模型来说，这个水平已经够用了。
Terminal-Bench测的主要是基于终端的Agent能力——在shell里解任务、改文件、跑命令。Laguna S 2.1在这个方向上的优化是肉眼可见的。它支持思考模式和非思考模式的按需切换，百万token的上下文窗口也给长推理轨迹和多轮Agent交互留足了空间。不过目前思考控制还是二元的（开或关），Poolside把更精细的调控列进了路线图，短期内可能还做不到像某些闭源模型那样滑动调节"思考深度"。
也有不那么乐观的声音。一项私人评估显示，Laguna S 2.1在压力下的 grounding 表现得分只有0.80，而Qwen 3.5 122B能做到0.97。具体表现就是在某些陷阱题里会捏造数字和人名。这说明模型在极端场景下的可靠性还有提升空间，不能盲目信任它的输出。
跟同行比，Laguna S 2.1 到底站哪一档
把Laguna S 2.1放进当前AI编码模型的版图里，它的位置其实挺有意思。
往上够，它碰不到Claude Fable 5、GPT-5.6 Sol、Kimi K3这种闭源前沿模型的天花板。这三家在Terminal-Bench上的得分都在88%以上，SWE-Bench Pro上Claude Fable 5更是干到了80.3%，属于另一个维度的存在。但往下比，在开放权重、可本地部署、可商业二次开发的赛道上，Laguna S 2.1几乎找不到同级别的对手。Hy3和Inkling虽然也是开放权重，但参数规模大得多，部署门槛高了一大截，实际得分却没有拉开明显差距。
定价策略上，Poolside走了一条很聪明的路线。OpenRouter付费端点输入0.10美元/百万token、输出0.20美元/百万token，缓存读取只要0.01美元/百万token。同时保留了一个免费的262K上下文层级——虽然免费层的数据会被用于训练，但对于想先试试水的开发者来说，这个门槛几乎为零。这种"低价付费+免费尝鲜"的组合拳，比那些一上来就设高门槛的模型友好得多。
许可证方面，OpenMDW-1.1明确允许商业用途。权重文件在Hugging Face上第一天就全量放出，没有那种"先放个小模型吊胃口，大模型藏着掖着"的套路。这种坦诚在当下的开源生态里反而成了一种稀缺品质。
训练背后的故事：九周、四千块H200、Poolside的迭代节奏
Laguna S 2.1的训练规模也值得一提。整个预训练在4096块NVIDIA H200上跑完，耗时不到九周，起点是2026年5月22日。三个月内连发三个模型——从Laguna XS 2.1（33B）到Laguna S 2.1（118B），Poolside的迭代速度快得有点吓人。这家由Eiso Kant和Jason Warner共同掌舵的旧金山实验室，核心方向一直锁死在政府、国防机构和受监管企业的编码模型上。这种背景也解释了为什么Laguna S 2.1在Agent能力和长上下文工程任务上下了重注——这些场景恰恰是B端客户最买账的卖点。
不过训练速度快不等于训练质量差。从终端 bench 的得分和社区反馈来看，Laguna S 2.1的代码理解和工具调用能力确实达到了一个很高的水准。关键是在这么短的训练周期里，Poolside还顺手做了DFlash草稿模型和完整的评估轨迹公开，工程执行力相当在线。
写在最后：它适合你吗
如果你是个追求极致性能的开发者，非Claude Fable 5或Kimi K3不用，那Laguna S 2.1确实给不了你那个级别的天花板。但如果你想要的是一个能本地跑、能商用、能二次开发、性能又足够硬的编码模型，Laguna S 2.1几乎是目前的最优解。128GB内存的Mac或者一台DGX Spark就能让它全速运转，Ollama一条命令搞定部署，OpenRouter上还能免费试玩——这种低门槛+高可用性的组合，在当下的开源编码模型市场里并不多见。
接下来值得关注的几个风向标：第三方独立平台（比如Artificial Analysis）的Terminal-Bench和SWE-Bench复测结果；RTX 6000 PRO的稳定性补丁什么时候落地；免费OpenRouter层级在真实流量压力下的表现；以及Poolside承诺的更精细思考控制和视觉支持什么时候上线。如果这些短板能陆续补上，Laguna S 2.1的适用范围会从"纯编码"拓展到更通用的AI助手场景，到时候它的竞争力还会再上一个台阶。
总之，Poolside用Laguna S 2.1证明了一件事：开源编码模型不一定非要堆到万亿参数才能打。118B总参数、8B激活、精巧的MoE路由、务实的注意力设计，再加上对本地部署的极致友好——这套组合拳，可能比盲目追求参数规模更有现实意义。