一分钟速览
- 美国 AI 公司 Poolside 开源了编程模型 Laguna S 2.1：118B 总参数的 MoE 架构、每次只激活 8B，支持 100 万 token 上下文，权重发布当天就上了 Hugging Face。
- 它走的是和 Kimi K3（2.8 万亿）、Qwen 3.8（2.4 万亿）完全相反的路线：不卷参数上限，卷「普通硬件能不能跑」——官方直接提供 GGUF、MLX 等本地格式。
- 官方自家跑分都没吹牛：长时程编程测试上离 Kimi K3 和 Claude Fable 5 还差得远（DeepSWE 40.4% vs 约 70%），定位是「以小博大」，在同体量里能打。
- 两个罕见的坦诚动作：官方博客专门列了已知缺陷（工具调用兼容问题、嵌套 JSON 出错、数学题上过度思考），还为每个跑分公布了全部评测轨迹供任何人复查。
- 想试很简单：chat.poolside.ai 免登录网页版直接用，或从 Hugging Face 下权重本地跑（Ollama/vLLM 均支持）。
⚑ 本文基于 Poolside 官方博客整理（本站直接核阅并截图），参数、跑分与已知缺陷均为官方口径，其中跑分属厂商自评；社区反应来自 Hacker News 公开讨论，属网友观点、未经本站实测。
巨型模型竞赛的反方向
这两周的开源大模型新闻都在卷参数：Kimi K3 把开放权重推到 2.8 万亿，Qwen 3.8 预告 2.4 万亿。美国公司 Poolside 发布的 Laguna S 2.1 走的是完全相反的方向——118B 总参数的稀疏专家（MoE）模型，每处理一个 token 只激活 8B 参数，从开始训练到发布只用了不到九周。
它是一个专注编程和长时程任务的模型，支持最高 100 万 token 上下文（带思考和不思考两种模式），权重采用宽松的 OpenMDW-1.1 许可、发布首日即上 Hugging Face，并且官方直接提供 BF16、FP8、INT4 等多种精度以及 GGUF、MLX 格式转换——摆明了就是冲着「让你在自己机器上跑起来」去的。
自家数据都没吹：差距摆在明面上
难得的是，官方博客给出的跑分连自己的短板都摆得明明白白，没有玩「只放赢的项」那套。
- Terminal-Bench 2.1 终端操作
- Laguna S 2.1 得 70.2%，对比 Kimi K3 的 88.3%、Claude Fable 5 的 88.0%
- DeepSWE v1.1 软件工程
- 40.4%，对比 Kimi K3 的 69.0%、Fable 5 的 70.0%——差距明显
- SWE-Bench Multilingual
- 78.5%，与 Qwen 3.7 Max 的 78.3% 基本持平
- 思考模式的增益
- 开启思考后 Terminal-Bench 从 60.4% 提到 70.2%，DeepSWE 从 16.5% 提到 40.4%
直说结论：它离 Kimi K3、Claude Fable 5 这些巨型模型还差得远，官方也没打算假装追平——他们的定位原话是「在长时程编程基准上，扛得住比它大许多倍的模型」（holds its own against models many times its size）。合理的比较对象是同等激活量的小模型，而不是 2.8 万亿参数的巨无霸。HN 社区的早期反馈（网友观点，未经本站实测）也印证了这个定位：有人称它与 DeepSeek V4 Flash 相当、甚至在部分代码库上更好，已经有人用它产出了可用的代码提交。
两个值得全行业学的动作
比跑分更值得说的，是这次发布在透明度上的两个动作——在如今厂商发布普遍报喜不报忧的环境里，相当罕见。
Poolside 在博客里专门写了「Limitations」一节，自己列出三个已知问题：在第三方 Agent 框架的工具接口上存在适配不良（他们称之为 harness overfitting）；嵌套工具调用时可能生成无效的 JSON；在竞赛数学题上会过度思考、耗时超预期。厂商主动告诉你「我这儿有坑」，你才能放心评估「这坑踩不踩得起」。
更进一步：官方宣布为发布的每一项跑分，公开最终评测集里每一次运行的完整轨迹（trajectories.poolside.ai）。也就是说，任何人都可以去逐条检查这些分数是怎么来的，而不是只能选择信或不信。对照我们反复强调的「厂商自评要打折看」——这种把原始记录摆出来让人查的做法，正是让自评变得可信的正确姿势。
想试的话，门槛很低
- 1网页免登录试用打开 chat.poolside.ai 直接用，不用注册
- 2下载权重Hugging Face 首日可下，BF16/FP8/INT4 多精度，官方 GGUF 与 MLX 转换齐全
- 3本地部署vLLM、SGLang、Ollama 均支持
- 4API 调用OpenRouter 提供 256K 上下文的免费端点，1M 上下文为付费档
- 5许可OpenMDW-1.1，宽松开源
一句务实提醒：8B 激活加上官方 INT4/GGUF 量化，意味着消费级硬件有机会本地跑，但具体能不能跑起来、跑多快取决于你的内存和显卡，建议先用免登录网页版感受一下模型水平，再决定要不要折腾本地部署。
来源：Poolside 官方博客《Introducing Laguna S 2.1》（2026 年 7 月 21 日，本站直接核阅并截图；参数、上下文、跑分、已知缺陷、发布渠道均出自此文，跑分属厂商自评口径，官方同步公开了全部评测轨迹）；社区反应来自 Hacker News 公开讨论（网友观点，未经本站实测）。
巨头在卷参数上限，它在卷「能不能装进你的电脑」——开源生态两种都缺一不可。
