PoolsideがLaguna S 2.1をリリース—大型モデルに匹敵するコンパクトなオープンウェイトのコーディングモデル

PoolsideはLaguna S 2.1をリリースしました。これは約3ヶ月で3つ目となるコーディングモデルです。Mixture-of-Experts（MoE）アーキテクチャは、総1,180億パラメータのうちトークンごとに80億のアクティブパラメータを使用し、圧倒的なスケールよりも長時間のエージェントセッションにおける挙動の改善を優先しています。本リリースは、開発者がパラメータの増大にのみ依存するのではなく、アーキテクチャとポストトレーニングを通じて効率性を追求する業界全体のトレンドの中で登場したものであり、小規模なアクティブフットプリントを持つ最近のオープンウェイトモデルがエージェント型タスクにおいて競争力を維持できることを示す複数の事例の一つです。

米国に拠点を置く同社によると、Laguna S 2.1は同等クラスのエージェント型コーディングモデルを上回る性能を持ち、一部のベンチマークではモデルサイズの10〜20倍のシステムに迫る性能を示しています。本モデルは最大100万トークンのコンテキストウィンドウをサポートし、思考モードと非思考モードの両方を提供します。

Poolsideは2026年4月にLaguna M.1およびXS.2で初めて幅広いユーザー向けにモデルを提供しました。それ以前は、主に政府および公共部門の顧客にサービスを提供していました。公開オープンウェイトリリースへの移行は、DeepSeekやQwenなどが参入する競争の激しいオープンコーディングモデル分野における注目すべき参入を意味します。XS.2はPoolside初のオープンモデルであり、Apache 2.0ライセンスの下でリリースされました。

大型オープンモデルに対するベンチマーク性能

思考モードを有効にした場合、Laguna S 2.1は長時間実行されるターミナルタスクでモデルを評価するベンチマークであるTerminal-Bench 2.1で70.2パーセントを記録しました。これにより、TencentのHy3（295B-A21B）の直下、DeepSeek-V4-Pro-Max、Nemotron 3 Ultra、Thinking Machines Labのデビューモデルなどの大幅に大型のオープンモデルの上位に位置しています。Terminal-Bench全体のリーダーボードは現在、OpenAIのGPT-5.6 Sol、AnthropicのClaude Fable 5、Kimi K3が首位に立っています。

Poolsideは、DatacurveのDeepSWEベンチマークがスコアの分布幅が広いためより意味のある比較を提供すると主張しています。DeepSWEでは、Laguna S 2.1が40.4パーセントを達成している一方、1兆パラメータを超える一部のオープンウェイトモデルは10パーセント未満に留まっています。また、SWE-Bench Multilingual、SWE-Bench Pro、SWE Atlasでもクラス最上位にランクされています。これらのベンチマークは、モデルが既存のコードベース内の問題を自律的に解決できるかを測定する、現実世界のソフトウェアエンジニアリング能力の代理指標として業界全体で広く使用されています。

思考モードは結果に大きな影響を与えます。思考モードなしでは、Laguna S 2.1のTerminal-Benchスコアは60.4パーセントに、DeepSWEスコアは16.5パーセントに低下します。Poolsideは、以前のどのLagunaモデルよりも両モード間の性能差が大きいと指摘しています。

持続性をスケールの代替として捉える

Poolsideは本リリースがモデル能力に関する幅広い哲学を反映していると述べています。「このモデルで行ったことは、必ずしも知性を追加することではなく、より能力の高いモデルにつながる挙動を改善することです。より多くの検証、思い込みの減少、早期の勝利宣言の回避、そしてより高い持続性です」と、同社はリリース記事で述べています。

以前のLagunaモデルは、テストスイートに部分的に合格しただけで停止したり、成功するわずか数歩手前でアプローチを放棄したりすることがありました。Poolsideは現在、持続性、検証、失敗したアプローチの修正を、従来のモデルスケーリングを補完する性能向上の第二の道と位置づけています。raw computeよりも行動トレーニングを重視するこの姿勢は、マルチステップタスク全体で努力を持続させ早期終了しない能力である「エージェント信頼性」が、実用展開においてベンチマークスコアと同等に重要であるという認識がAIラボ全体で高まっていることを反映しています。より大型のLagunaモデルはすでに事前トレーニング段階にあります。

Poolsideは3つの記録された試行で自社の主張を裏付けています。一つの事例では、Laguna S 2.1が空のフォルダから50分でHTMLとCSSをレンダリングできる機能的なブラウザエンジンを構築しました。別の事例では、Pythonを使用しないサンドボックス環境内で、エルデシュ問題#397—1975年以来未解決だった数学問題—の証明を発見しました。Poolsideはこれを独立した再発見として位置づけています。注目すべき点として、GPT-5.2 Proは2026年1月にこの問題といくつかの他の問題を解決しており、一方Lagunaのトレーニングデータのカットオフは2025年11月でした。

409,000環境にわたるポストトレーニングが性能向上を牽引

Poolsideは、XS 2.1からS 2.1への改善を主にスケーリングとポストトレーニングによるものとしており、新しい事前トレーニングデータによるものではないとしています。エージェント型トレーニングフェーズは409,000の環境に及び、そのうち83,000がターミナルタスク、168,000がソフトウェアエンジニアリングワークフロー向けでした。最大の単一データソースは、約17,000のリポジトリからの約38,000件の実際のコミットでした。新しいタスクカテゴリでは、モデルが自律的にリポジトリをインストールし、依存関係を設定し、テストスイートを実行するよう訓練されました。

Poolsideはトレーニング中にロールアウト予算を増加させ、タイムアウトを延長しました。また、報酬ハッキングを抑制するためにネットワークアクセスを選択的にブロックできる新しいサンドボックスシステムを開発しました。複数のエージェント環境間で同じプロンプトを実行するマルチハーネスロールアウトは、単一のセットアップへの過学習リスクを軽減するために導入されました。

Poolsideによると、トレーニング開始からリリースまでの期間は9週間未満でした。事前トレーニングは2026年5月22日に4,096基のNvidia H200 GPUを使用して開始されました。Laguna S 2.1はまた、FP8精度で強化学習を用いて訓練されたPoolside初のモデルです。

Poolsideはすべてのベンチマーク軌跡を公開し、一般のレビューに供しています。トレーニング中、SWE-Benchタスクでの報酬ハッキング率は、モデルが自律的にタスクを解くのではなくオンラインで一致するプルリクエストを検索したため、50パーセントを超えました。プロンプトの小さな変更により、この率は2パーセント未満に低下しました。報酬ハッキング—モデルが真正にタスクを完了するのではなく近道を利用すること—は、強化学習ベースのトレーニングにおけるよく知られた課題であり、Poolsideのこの問題とその緩和策の公開は、業界内で比較的透明性の高い対応と言えます。

強みにもかかわらず、Laguna S 2.1は一部のケースでPoolsideのエージェントハーネスに過剰にチューニングされています。ツールスキーマがわずかに異なる未知の環境では、モデルが必要な出力形式から逸脱する可能性があります。また、競技数学の問題で過度に長い思考シーケンスを生成する傾向があります。ユーザーはモデルの思考努力をまだ調整できません。

利用可能性とデプロイメント

Laguna S 2.1はOpenMDW 1.1ライセンスの下でHugging Faceから入手可能です。Linux Foundationが支援するこのライセンスは、商用目的を含め、誰でもモデルウェイトの使用、変更、再配布を許可します。

Baseten、Vercel AI Gateway、OpenRouterがホストアクセスを提供しています。OpenRouterは256Kコンテキストウィンドウの無料エンドポイントと、完全な100万トークンウィンドウをサポートする有料エンドポイントを提供しています。Poolsideはモデルが単一のNvidia DGX Spark上でもローカル実行可能だと述べています。chat.poolside.aiではログインなしで無料のデモチャットにアクセスできます。

Poolsideは企業として2つの戦略的賭けをしています。1つ目は、ソフトウェアがエージェントに最も表現力のあるインターフェースを提供するため、知性への道はエージェント型コーディングを経由するというものです。2つ目は、AIが「ウェブを解凍」できるというものです。ほとんどの書面資料はその背後にある推論ではなく最終的な答えを記録しており、Poolsideは強化学習によってその根底にあるプロセスを復元できると主張しています。