Poolside запустил бесплатную ИИ-модель Laguna XS.2

Американский стартап Poolside, основанный в Сан-Франциско в 2023 году, запустил две новые большие языковые модели Laguna. Компания также представила агент для кодирования «pool» и веб-среду разработки «shimmer». Эти продукты предлагают доступные и высокопроизводительные решения с открытым исходным кодом, оптимизированные для агентных рабочих процессов.

Модели Laguna предназначены для выполнения задач, выходящих за рамки простого чата или генерации контента. Они могут писать код, использовать сторонние инструменты и автономно выполнять действия. Линейка включает две модели. Laguna M.1 — это проприетарная модель с 225 миллиардами параметров (23 миллиарда активных), предназначенная для сложных инженерных задач в корпоративном и государственном секторах. Laguna XS.2 — модель с открытой лицензией Apache 2.0, имеющая 33 миллиарда параметров (3 миллиарда активных). Она разработана для локальных агентных задач кодирования и позволяет запускать её на настольных или портативных компьютерах без подключения к интернету.

Модель XS.2 уже доступна по лицензии Apache 2.0 на Hugging Face. Более крупная M.1 временно предлагается бесплатно через API Poolside и партнёров, таких как OpenRouter, Ollama и Baseten. Обе модели обучены с нуля, а не являются доработанными версиями других базовых моделей.

Poolside также представила инструменты для работы с моделями Laguna. Pool — это терминальный агент для кодирования, предназначенный для локальной среды разработчика. Он действует как сервер протокола клиентского агента (ACP), который команда использует для обучения с подкреплением. Shimmer — это облачная среда разработки, мгновенно запускаемая виртуальная машина. Она позволяет разработчикам быстро создавать веб-приложения, API и CLI. Shimmer интегрирует агент Poolside прямо в рабочее пространство и может работать даже на смартфоне, предлагая полноценную среду разработки на мобильном устройстве.

Модели Poolside создаются в специализированной цифровой среде «Model Factory». В основе процесса лежит мощное внутреннее программное обеспечение Titan, которое служит «печью» для обучения. Для эффективного обучения ИИ Poolside использует оптимизатор Muon, который ускоряет освоение информации примерно на 15% по сравнению со стандартными методами. Это достигается за счёт математически сбалансированных обновлений «мозга» модели.

Данные для обучения, составляющие 30 триллионов токенов, тщательно отбираются с помощью системы AutoMixer. Она использует «рой» из шестидесяти прокси-моделей для определения оптимальной комбинации кода, математики и общих веб-данных. Около 13% этих данных — «синтетические», созданные другими ИИ для обучения моделей специфическим навыкам. После базового обучения модель проходит этап обучения с подкреплением, где она практикуется в решении реальных инженерных задач, получая «вознаграждение» за успешное исправление ошибок или написание рабочего кода.

Тесты показывают, что модели Laguna демонстрируют высокую производительность. Laguna M.1 на SWE-bench Pro (тест на решение реальных проблем с ПО) достигла 46,9%, приближаясь к результатам Qwen-3.5 и DeepSeek V4-Flash. Laguna XS.2, несмотря на значительно меньший размер, показала 44,5% на SWE-bench Pro, почти как M.1.

На SWE-bench Verified M.1 набрала 72,5%, опередив Devstral 2 (72,2%), но уступив Claude Sonnet 4.6 (79,6%). XS.2 превосходит Claude Haiku 4.5 (39,5%) и Gemma 4 31B (35,7%) на SWE-bench Pro. В терминальных рассуждениях XS.2 показала 30,1% на Terminal-Bench 2.0, опередив Haiku 4.5 (29,8%). Эти результаты говорят о том, что подход Poolside к обучению с подкреплением и синтетическим данным позволяет их моделям конкурировать с более крупными архитектурами.

Для локального запуска Laguna XS.2 (33B) требуется соответствующее оборудование. На Apple Silicon необходимо 36 ГБ унифицированной памяти. Для ПК и Linux стандартные веса требуют более 60 ГБ VRAM, но поддержка 4-битной квантизации позволяет запускать модель на потребительских GPU с 24–32 ГБ VRAM, например, на RTX 5090. Для хранения модели потребуется не менее 70 ГБ, или 20–35 ГБ для сжатой версии.

Poolside рекомендует использовать Ollama или собственный терминальный агент «pool» для управления моделью. Примеры рекомендованного оборудования:

• MacBook Pro (14- или 16-дюймовый): Модели с чипом M5 Max и 36 ГБ унифицированной памяти.
• Mac Studio / Mac Mini: Mac Mini (M4 или M5 Pro) с 48 ГБ или 64 ГБ ОЗУ.
• ПК с одной GPU: NVIDIA GeForce RTX 5090 (32 ГБ GDDR7 VRAM) для скорости около 45 токенов/сек с Q4 квантизацией.
• Профессиональная установка: RTX PRO 6000 Blackwell (96 ГБ VRAM) или две RTX 5090 для работы без потерь сжатия.
• Минимальные требования для ПК: RTX 4090 (24 ГБ) с более сильной квантизацией, но с возможным снижением производительности.

Ключевым стратегическим шагом Poolside является лицензирование Laguna XS.2 по лицензии Apache 2.0. Это разрешительная лицензия, позволяющая использовать, распространять и изменять программное обеспечение, включая коммерческое использование, без роялти. Poolside считает, что Западу нужны сильные модели с открытым весом, и выпуск весов — самый быстрый способ улучшить их работу через оценку сообщества и доработку. Это позиционирует Poolside как важного игрока в экосистеме открытого ИИ.

Основная идея Poolside заключается в том, что разработка программного обеспечения служит лучшим показателем общего интеллекта. Создание ПО требует долгосрочного планирования, сложного мышления и способности манипулировать абстрактными системами. Агенты Poolside не просто используют инструменты, а пишут и выполняют собственный код для решения проблем. Команда из 60 человек потратила три года и тысячи экспериментов на достижение этого результата. Их видение ИИ направлено на «изобилие для человечества», а фокус на программной инженерии создает самосовершенствующийся цикл обратной связи.