Poolside veröffentlicht neues Code-Modell – behauptet Leistung vergleichbar mit größeren Rivalen
Das KI-Labor Poolside hat ein neues offenes Code-Modell namens Laguna S 2.1 veröffentlicht. Das Unternehmen behauptet, das Modell sei in bestimmten Aufgaben ebenbürtig oder besser als Konkurrenten, die zehnmal größer sind.
Das in San Francisco ansässige KI-Labor Poolside hat am Dienstag sein neuestes Code-Modell, Laguna S 2.1, veröffentlicht. Das Modell ist ein 118-Milliarden-Parameter-Mixture-of-Experts (MoE)-System, das nur 8 Milliarden Parameter pro Token aktiviert und ein Kontextfenster von bis zu 1 Million Token unterstützt. Poolside behauptet, dass die Leistung des Modells in Benchmarks mit deutlich größeren offenen Modellen, die um ähnliche Anwendungsfälle konkurrieren, mithalten kann oder diese übertrifft.[newline]
Laut Poolside erreichte Laguna S 2.1 im Terminal-Bench 2.1 Benchmark 70,2 %, womit es sich höher positioniert als mehrere größere Modelle, darunter DeepSeek-V4-Pro-Max (1,6 Billionen Parameter) und Nvidias Nemotron 3 Ultra (550 Milliarden Parameter). Die Entwicklung vom Vortraining bis zur öffentlichen Veröffentlichung dauerte weniger als neun Wochen, unter Einsatz von 4.096 Nvidia H200 GPUs. Dieser schnelle Zyklus steht im Einklang mit der vorherigen Veröffentlichung von drei Modellen innerhalb von drei Monaten durch das Unternehmen.[newline]
Die Veröffentlichung von Laguna S 2.1 findet inmitten einer heftigen Debatte über Open-Source-KI-Modelle statt. Die Akzeptanz hat sich kürzlich offenen Systemen zugewandt, die Unternehmen herunterladen und auf ihrer eigenen Infrastruktur betreiben können, wobei viele führende offene Modelle aus chinesischen Laboren stammen. Poolside positioniert Laguna S 2.1 als Antwort auf diesen Bedarf westlicher Akteure, mit dem Ziel, offene Modelle bereitzustellen, denen vertraut, die betrieben und auf denen aufgebaut werden kann, wie Co-CEO Jason Warner betonte.[newline]
Das Modell verwendet eine spärliche MoE-Architektur, was bedeutet, dass die Inferenzkosten mit den aktiven Parametern (8 Milliarden) und nicht mit der Gesamtzahl der Parameter (118 Milliarden) skalieren. Poolside hebt hervor, dass das Modell klein genug ist, um auf einer einzigen Nvidia DGX Spark zu laufen. Preislich bietet das Unternehmen einen aggressiv wettbewerbsfähigen Zugang zum Modell, der die meisten Frontier-Alternativen deutlich unterbietet.[newline]
Poolside zielt auch darauf ab, die Transparenz bei der Bewertung von KI-Modellen zu erhöhen, indem es alle Trajektorien der Benchmark-Tests unverändert veröffentlicht. Dies, kombiniert mit der Leistung des Modells und seiner wettbewerbsfähigen Preisgestaltung, soll seine Position bei Unternehmenskunden stärken, die zuverlässige und leistungsstarke KI-Lösungen innerhalb ihrer eigenen Sicherheitsgrenzen benötigen.