Poolside 发布编程模型 Laguna：XS.2 开源且仅需单卡，同步推出终端智能体

Laguna XS.2 是 Poolside 开源的编程基座模型，配合终端工具 pool，能直接在本地单张 GPU 上跑起完整的编程智能体流程。

它总共有 33B 参数，但在推理时只激活 3B。模型采用 Apache 2.0 协议开源，权重已经完整上传到 Hugging Face，支持 256K 上下文长度，不需要昂贵的多卡集群就能在消费级显卡或 Mac 上本地跑起来。

除了轻量级的 XS.2，Poolside 这次还放出了去年预训练的大模型 Laguna M.1。M.1 同样支持 256K 上下文，总参数量达 225B，激活参数为 23B，专为处理长周期的复杂软件工程任务打造。

它能做什么与怎么跑起来

Poolside 这次不仅放出了权重，还配套推出了两个预览版工具，用来承接智能体编程。

第一个是命令行智能体 pool。你可以通过 Ollama 在本地直接拉起 Laguna XS.2，它原生支持苹果的 MLX 框架，只要一行命令就能在终端里跑起一个自主执行命令、读写代码的本地编程助手。

第二个是云端开发沙箱 Shimmer。它是一个预装了 Poolside Agent 的即开即用虚拟机环境，开发者可以直接在浏览器里借助 Laguna M.1 或 XS.2 迭代 Web 应用、API 和命令行工具。

如果你不想在本地折腾，两款模型目前在 Poolside 自家 API 和 OpenRouter 上都提供限时免费试用。对于高校和初创团队，官方也支持申请获取 M.1 的权重或提升 API 速率限制。

架构与基准测试

从架构设计来看，Laguna XS.2 是在 Poolside 的 Model Factory 中完全从零训练的。整个预训练仅耗时 5 周，上线时就已经完成了完整的后训练。

在底层技术上，团队采用了 Muon 优化器、合成数据自动化混合方案，以及异步同策略智能体强化学习（async on-policy agent RL）。

测试方面，两款模型均通过 Harbor 评测框架在 SWE-bench Verified、SWE-bench Multilingual、SWE-Bench Pro 和 Terminal-Bench 2.0 上完成了检验。

官方数据显示，激活仅 3B 的 XS.2 在多项编程基准测试中，能直接对标 Qwen3.5、Qwen3.6 的 35B 混合专家架构，以及 Devstral Small 2、Gemma 4、Claude Haiku 4.5 和 GPT-5.4 Nano 等体量更大或闭源的模型。

而 225B 规模的 M.1 则直接对标 GLM-4.7、DeepSeek-V4-Flash、Qwen3.5 397B 与 Claude Sonnet 4.6 等前沿主力模型。

为什么重要

对于个人开发者和注重数据隐私的小团队，Laguna XS.2 是目前少有的能跑在单卡上的高水平编程开源模型。结合本地 Ollama 和终端智能体 pool，你不需要把代码库上传到第三方云端，就能拥有一个随时待命的命令行结对编程助手。

从行业来看，西方大模型圈的开源权重生态此前相对滞后，高质量的智能体编程模型大多被封闭在商业 API 之后。Poolside 选择以 Apache 2.0 完全开源 XS.2，并免费开放推理接口，直接拉低了本地智能体落地门槛。不过模型在复杂多文件重构下的实际稳定性，仍需要社区在具体项目里进一步验证。