Poolside släpper ny kodningsmodell – hävdar matcha prestanda hos större konkurrenter
AI-labbet Poolside har lanserat en ny öppen kodningsmodell, Laguna S 2.1. Företaget påstår att modellen presterar lika bra som konkurrenter som är tio gånger större i vissa uppgifter.
San Francisco-baserade AI-labbet Poolside släppte på tisdagen sin nya kodningsmodell som heter Laguna S 2.1. Modellen är ett 118 miljarder-parameter Mixture-of-Experts (MoE)-system som aktiverar endast 8 miljarder parametrar per token och stöder en kontextfönster på upp till en miljon tokens. Poolside hävdar att modellens prestanda i benchmarks matchar eller överträffar betydligt större öppna modeller som konkurrerar om samma användningsområden.[newline]
Enligt Poolside uppnådde Laguna S 2.1 70,2 % på Terminal-Bench 2.1, vilket placerar den högre än flera större modeller som DeepSeek-V4-Pro-Max (1,6 biljoner parametrar) och Nvidia Nemotron 3 Ultra (550 miljarder parametrar). Utvecklingen av modellen till dess färdiga version tog mindre än nio veckor, tränad på 4 096 Nvidia H200 GPU:er. Denna snabba cykel ligger i linje med företagets tidigare lansering av tre modeller på tre månader.[newline]
Laguna S 2.1 lanseras under en tid av intensiv debatt kring öppen källkods AI-modeller. Nyligen har populariteten förskjutits mot öppna system som företag kan ladda ner och köra på egen infrastruktur. Många ledande öppna modeller kommer från kinesiska labb. Poolside presenterar Laguna S 2.1 som ett svar på behovet från västerländska aktörer som kräver öppna modeller de kan lita på, köra och bygga vidare på, vilket sam-VD Jason Warner betonade.[newline]
Modellen använder en gles MoE-arkitektur, vilket innebär att inferenskostnaderna skalas med de aktiva parametrarna (8 miljarder) snarare än det totala antalet parametrar (118 miljarder). Poolside betonar att modellen är tillräckligt liten för att köras på en enda Nvidia DGX Spark. Prissättningsmässigt erbjuder företaget aggressivt konkurrenskraftig tillgång till modellen, vilket understiger de flesta API-alternativ med en storleksordning.[newline]
Poolside syftar också till att öka transparensen i utvärderingen av AI-modeller genom att publicera alla körningsvägar från jämförelsetester oförändrade. Detta, tillsammans med modellens prestanda och förmånliga prissättning, syftar till att stärka dess position bland företagskunder som behöver pålitliga och högpresterande AI-lösningar inom sina egna säkerhetsgränser.