Laguna S 2.1 發佈說明：高能力代理編碼模型

Laguna S 2.1 是一款總參數為 118B 的混合專家模型 (MoE)，專為長程代理任務與複雜推理而設計。在每個 token 僅需 8B 激活參數的情況下，它在編碼基準測試中的表現足以與規模大其數倍的模型競爭，使其非常適合部署在本地機器和如 NVIDIA DGX Spark 等專業工作站上。

性能基準測試與模型效率

Laguna S 2.1 在代理編碼任務中展現了極高的效率，表現遠超其參數規模。在思考模式下，它在 Terminal-Bench 2.1 獲得了 70.2% 的分數，超越了包括 DeepSeek-V4-Pro-Max (1.6T) 和 Inkling (975B) 在內的多個較大的開源權重模型。

比較基準測試結果

基準測試	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 基準測試中——該測試的特點是具有更難以部分解決的長程任務——Laguna S 2.1 在思考模式下獲得了 40.4% 的分數。這一結果特別值得注意，因為它超越了在同一基準測試中獲得 9.0% 分數的 1.6T 參數 DeepSeek-V4-Pro-Max。

核心能力與案例研究

Laguna S 2.1 的特點在於其持久性與應變能力，當直接方法失敗時，它經常能找到達成目標的替代路徑。

瀏覽器引擎構建

在一個沒有人類干預的 50 分鐘、181 步會話中，該模型從一個空白資料夾構建了一個可運行的 HTML/CSS 渲染引擎。為了克服其缺乏視覺能力的缺點，模型實施了使用 headless Chromium 的驗證迴圈，以讀取 canvas 並將截圖與真實瀏覽器進行數值化對比。

自動化測試框架優化

當被要求優化 Poolside 自己的代理框架時，Laguna S 2.1 實現了 5.2% 的加速與約 70% 的記憶體分配減少。該模型識別出在串流 token 累積過程中存在的 $O(n^2)$ 字串拼接問題，並將其替換為 buffer，同時也解決了在軌跡物化化過程中產生的冗餘複製問題。

數學發現

該模型獨立地重新推導了 Erdős 問題 #397 的證明，這是一個直到 2026 年 1 月才得以解決的懸而未決的問題。由於模型的知識截止日期為 2025 年 11 月，這是一個全新的推導。模型在沙盒中使用 Perl 來進行暴力破解的質因數分解與模式分析，以尋找八個索引解的閉式無限族解法。

技術架構與訓練

Laguna S 2.1 是在不到九週內開發完成的，它是從 Laguna XS 系列擴展而來的，並使用相同的預訓練數據。

訓練後處理與強化學習 (RL)

模型的大部分代理能力源於兩個階段的訓練後處理過程：一個使用合成數據的 SFT 階段，隨後是針對困難任務的強化學習 (RL)。RL 是以 FP8 精度進行的，以加速訓練。訓練語料庫包括 409k 個環境，其中 168k 個針對軟體工程工作流，83k 個針對終端機使用案例。

思考模式與上下文

該模型支持最高 1M token 的上下文窗口，並具有兩種思考模式：

• Off: 標準生成。
• Max (Default): 模型會決定最佳的測試時計算預算。

啟用 "Max" 思考模式可以顯著提升性能，將 Terminal-Bench 2.1 分數從 60.4% 提升至 70.2%，並將 DeepSWE 分數從 16.5% 提升至 40.4%。

已知限制

• Harness Overfitting: 模型可能會偶於依賴其原生框架的工具介面記憶，而非遵循第三方框架的特定 schema。
• Nested Tool Calls: 當工具參數需要 JSON 陣列時，模型可能會在處理轉義不當或無效的 JSON 時遇到困難。
• Overthinking: 在某些領域，例如競賽數學，模型可能會在取得進展前生成過於冗長的思考序列。

社群群眾意見與部署

社群回饋強調了該模型在家庭硬體上的可行性，以及其與 DeepSeek V4 Flash 等較大模型的競爭力。使用者注意到，確保啟用 "thinking" 並增加 max_new_tokens (超出 generation_config.json 中的預設值 32k) 對於達到報告的代碼品質是至關重要的。

Laguna S 2.1 已在 Hugging Face 上以 OpenMDW-1.1 授權提供，包含 BF16, FP8, INT4, 和 NVFP4 權重。它支援 vLLM, SGLang, 和 Ollama 進行本地推理。