Laguna S 2.1 发布说明：高能力智能体编程模型

Laguna S 2.1 是一个总参数量为 118B 的混合专家 (MoE) 模型，专为长程智能体任务和复杂推理而设计。在每个 token 仅激活 8B 参数的情况下，它在编程基准测试中的表现足以与规模大其数倍的模型相媲美，这使其非常适合部署在本地机器和 NVIDIA DGX Spark 等专用工作站上。

性能基准测试与模型效率

Laguna S 2.1 通过在智能体编程任务中表现出远超其量级的效率，展示了极高的效率。在思考模式下，它在 Terminal-Bench 2.1 上获得了 70.2% 的分数，优于包括 DeepSeek-V4-Pro-Max (1.6T) 和 Inkling (975B) 在内的多个更大的开源权重模型。

对比基准测试结果

Benchmark	Laguna S 2.1 (118B-A8B)	Tencent Hy3 (295B-A21B)	DeepSeek-V4-Pro Max (1.6T-A49B)	Kimi K3 (2.8T-A50B)	Claude Fable 5
Terminal-Bench 2.1	70.2	71.7	64.0	88.3	88.0
SWE-Bench Multilingual	78.5	75.8	76.2	-	-
SWE-Bench Pro (Public)	59.4	57.9	55.4	-	80.3
DeepSWE	40.4	-	9.0	69.0	70.0
SWE Atlas (Codebase QnA)	46.2	-	27.2	-	-
Toolathlon Verified	49.7	-	55.9	-	-

在 DeepSWE v1.1 基准测试中——该测试的特点是包含更难部分解决的长程任务——Laguna S 2.1 在思考模式下获得了 40.4% 的分数。这一结果特别值得注意，因为它优于在同一基准测试中仅获得 9.0% 分数的 1.6T 参数的 DeepSeek-V4-Pro-Max。

核心能力与案例研究

Laguna S 2.1 的特点是持久性和资源利用能力，当直接方法失败时，它通常能找到实现目标的替代路径。

浏览器引擎构建

在一次长达 50 分钟、包含 181 个步骤且无需人工干预的会话中，该模型从一个空文件夹构建了一个可运行的 HTML/CSS 渲染引擎。为了克服其视觉能力的缺失，该模型使用 headless Chromium 实现了一个验证循环，通过读取 canvas 并将截图与真实浏览器进行数值对比来完成验证。

自动化测试框架优化

当被要求优化 Poolside 自己的智能体框架时，Laguna S 2.1 实现了 5.2% 的速度提升和约 70% 的内存分配减少。该模型识别出了 streaming-token 累积过程中的 $O(n^2)$ 字符串拼接问题，并将其替换为 buffers，同时还解决了轨迹物化 (trajectory materialization) 过程中的冗余拷贝问题。

数学发现

该模型独立地重新推导了 Erdős 问题 #397 的证明，该问题在 2026 年 1 月之前一直处于未解状态。由于模型的知识截止日期是 2025 年 11 月，因此这是一个全新的推导。该模型在其沙盒中使用 Perl 来进行暴力破解式的素因子分解和模式分析，从而找到了一个包含八个索引解的闭环形式无限族解。

技术架构与训练

Laguna S 2.1 是在不到九周的时间内开发的，它是通过使用相同的预训练数据从 Laguna XS 系列扩展而来的。

后训练与强化学习

大多数智能体能力源于两个阶段的后训练过程：使用合成数据进行 SFT 阶段，随后是针对困难任务的强化学习 (RL)。RL 是以 FP8 精度进行，以加速训练。训练语料库包括 409k 个环境，其中 168k 个针对软件工程工作流，83k 个针对终端使用场景。

思考模式与上下文

该模型支持高达 1M tokens 的上下文窗口，并具有两种思考模式：

• Off: 标准生成。
• Max (Default): 模型会确定最佳的测试时计算预算 (test-time compute budget)。

启用 "Max" 思考模式可以显著提升性能，将 Terminal-Bench 2.1 分数从 60.4% 提升至 70.2%，并将 DeepSWE 分数从 16.5% 提升至 40.4%。

已知局限性

• Harness Overfitting: 模型可能会偶尔依赖其对原生框架的工具接口记忆，而不是遵循第三方框架的特定 schema。
• Nested Tool Calls: 当工具参数需要 JSON 数组时，模型可能会在处理转义不当或无效的 JSON 时遇到困难。
• Overthinking: 在某些领域，如竞赛数学，模型可能会在取得进展之前生成过长的思考序列。

社区洞察与部署

社区反馈强调了该模型在家庭硬件上的可行性，以及它与 DeepSeek V4 Flash 等更大模型的竞争力。用户指出，确保启用 "thinking" 模式并增加 max_new_tokens（超过 generation_config.json 中的默认值 32k）对于实现所报道的质量是至关重要的。

Laguna S 2.1 已在 Hugging Face 上以 OpenMDW-1.1 许可证发布，提供 BF16, FP8, INT4, 和 NVFP4 权重。它支持 vLLM, SGLang, 和 Ollama 进行本地推理。