Poolside เปิดตัว Laguna S 2.1 โมเดล Agentic Coding แบบ Open-Weight ระดับ 118B สยบยักษ์ใหญ่บน SWE-Bench
Poolside ประกาศเปิดตัว Laguna S 2.1 โมเดลแบบ open-weight ขนาด 118B พารามิเตอร์ที่พัฒนาขึ้นเพื่อรองรับงานด้าน Agentic Coding โดยเฉพาะ โดยใช้โครงสร้างแบบ Mixture-of-Experts (MoE) ที่จะเปิดทำงานเพียง 8B พารามิเตอร์ต่อหนึ่ง token เท่านั้น โมเดลรุ่นนี้รองรับ Context Window สูงสุดถึง 1M tokens ทั้งในโหมด Thinking และ No-thinking โดยมีการเผยแพร่โมเดลบน Hugging Face ภายใต้สัญญาอนุญาต OpenMDW-1.1 ซึ่งตัวโมเดลถูกออกแบบมาให้มีขนาดกะทัดรัดพอที่จะใช้งานบน NVIDIA DGX Spark เพียงหน่วยเดียวได้
ผลการทดสอบบน Long-horizon Coding Benchmark ยืนยันว่า Laguna S 2.1 สามารถทำผลงานได้ทัดเทียมกับโมเดลที่มีขนาดใหญ่กว่าหลายเท่า ไม่ว่าจะเป็น DeepSeek-V4-Pro-Max, Nemotron 3 Ultra ของ NVIDIA หรือ Inkling จาก Thinking Machines โดย Laguna S 2.1 ถือเป็นรุ่นที่ขยายขนาดต่อยอดมาจากตระกูล Laguna XS และใช้ชุดข้อมูล Pre-training เดียวกับรุ่น XS 2.1
Laguna S 2.1 คืออะไร
หัวใจสำคัญของโมเดลนี้คือการเลือกเปิดใช้งานพารามิเตอร์เพียงประมาณ 6.8% ต่อหนึ่ง token แม้ว่าพารามิเตอร์ทั้ง 118B จะถูกโหลดไว้ในหน่วยความจำ แต่จะมีพารามิเตอร์เพียง 8B เท่านั้นที่ถูกประมวลผลในแต่ละขั้นตอน ความเบาบาง (Sparsity) ของระบบนี้ช่วยให้โมเดลขนาดกลางสามารถแสดงศักยภาพได้เทียบเท่าโมเดลขนาดใหญ่ ในขณะที่ยังคงต้นทุนการให้บริการที่ต่ำ
ทีมพัฒนาได้ใช้เวลาเพียง 9 สัปดาห์นับจากเริ่มเทรนจนถึงเปิดตัว โดยเริ่ม Pre-training ตั้งแต่วันที่ 22 พฤษภาคม 2026 บน GPU NVIDIA H200 จำนวน 4,096 ตัว และเป็นโมเดลชุดแรกของค่ายที่ใช้ Reinforcement Learning ในระดับความละเอียด FP8 นอกจากนี้ยังมีการเผยแพร่ Weight ในหลายรูปแบบทั้ง BF16, FP8, INT4, NVFP4 รวมถึงการแปลงไฟล์เป็น GGUF และ MLX เพื่อความสะดวกในการใช้งาน
ประสิทธิภาพด้านการประมวลผล
ในด้านประสิทธิภาพ Laguna S 2.1 ทำคะแนนได้สูงถึง 70.2% บน Terminal-Bench 2.1 เมื่อเปิดใช้โหมด Thinking ส่งผลให้ครองอันดับหนึ่งในกลุ่มโมเดลแบบ Open-source บน Leaderboard ของ Poolside เป็นรองเพียงระบบขนาดใหญ่หรือโมเดลแบบปิดเท่านั้น ส่วนใน SWE-Bench Multilingual สามารถทำคะแนนได้ 78.5% ขึ้นแท่นอันดับหนึ่งของตารางอย่างเป็นทางการ
| Benchmark | Laguna S 2.1 (118B-A8B) | Tencent Hy3 (295B-A21B) | Inkling (975B-A41B) | Nemotron 3 Ultra (550B-A55B) | DeepSeek-V4-Pro-Max (1.6T-A49B) | Kimi K3 (2.8T-A50B) | Qwen 3.7 Max | Muse Spark 1.1 | Claude Fable 5 |
|---|---|---|---|---|---|---|---|---|---|
| Terminal-Bench 2.1 | 70.2 | 71.7 | 63.8 | 56.4 | 64.0 | 88.3 | 74.5 | 80.0 | 88.0 |
| SWE-Bench Multilingual | 78.5 | 75.8 | – | 67.7 | 76.2 | – | 78.3 | – | – |
| SWE-Bench Pro (Public) | 59.4 | 57.9 | 54.3 | – | 55.4 | – | 60.6 | 61.5 | 80.3 |
| DeepSWE v1.1 | 40.4 | – | – | – | 9.0 | 69.0 | – | 53.3 | 70.0 |
| SWE Atlas (Codebase QnA) | 46.2 | – | – | – | 27.2 | – | – | 42.2 | – |
| Toolathlon Verified | 49.7 | – | 45.5 | 34.3 | 55.9 | – | – | 75.6 | – |
จุดเด่นสำคัญเห็นได้ชัดจากผลทดสอบ DeepSWE v1.1 ที่ Laguna S 2.1 ทำคะแนนได้ 40.4% สูงกว่า DeepSeek-V4-Pro-Max ที่ทำได้เพียง 9.0% ทั้งที่มีจำนวนพารามิเตอร์ขณะทำงานน้อยกว่าถึง 6 เท่า อย่างไรก็ตาม โมเดลแบบปิดตัวท็อปอย่าง Claude Fable 5 และ Kimi K3 ยังคงนำหน้าในบางการทดสอบ ซึ่งทาง Poolside เน้นย้ำว่าความสำเร็จครั้งนี้คือการสร้างโมเดลที่มีประสิทธิภาพสูงสุดเมื่อเทียบกับรุ่นในระดับน้ำหนักเดียวกัน (Weight Class) มากกว่าการเป็นที่หนึ่งในทุกด้าน
โหมดความคิดสองรูปแบบ และที่มาของคะแนน
Laguna S 2.1 มาพร้อมโหมดการทำงานสองแบบคือ Off และ Max โดยโหมด Max จะเป็นค่าเริ่มต้นที่โมเดลจะใช้จัดสรรงบประมาณการคำนวณ (Test-time compute) ด้วยตนเองเพื่อหาคำตอบที่ดีที่สุด ซึ่งการเปิดโหมด Max Thinking ช่วยดึงประสิทธิภาพบน Terminal-Bench 2.1 จาก 60.4% พุ่งขึ้นเป็น 70.2% และใน DeepSWE เพิ่มจาก 16.5% เป็น 40.4%
การเพิ่มขึ้นของประสิทธิภาพนี้แลกมาด้วยการใช้จำนวน Tokens ที่มากขึ้น โดยตัวอย่างใน DeepSWE มีการใช้ Completion Tokens สูงถึง 249k ในโหมด Thinking เมื่อเทียบกับ 99k ในโหมดปกติ ซึ่งทีมวิศวกรยืนยันว่าโมเดลสามารถรักษาความต่อเนื่องในการใช้เหตุผลได้อย่างมีประสิทธิภาพยาวนานหลายชั่วโมง
ตัวอย่างการทำงานจริงสามรายการที่เผยแพร่ เพื่อให้เห็นภาพการทำงานจริง Poolside ได้เปิดเผยบันทึกการทำงานแบบไม่ตัดต่อ 3 กรณี ตัวอย่างแรกคือการสร้าง HTML/CSS Browser Engine ที่ใช้งานได้จริงจากโฟลเดอร์เปล่า โดยใช้เวลา 181 ขั้นตอนใน 50 นาทีโดยไม่มีมนุษย์ช่วยเหลือ และยังสามารถตรวจสอบผลลัพธ์ผ่าน Headless Chromium ได้เองอีกด้วย
ในกรณีที่สอง โมเดลสามารถ Optimize ระบบ Agent Harness ของ Poolside ให้ทำงานเร็วขึ้น 5.2% และลดการใช้ Memory ลำดับความสำคัญลง 71% ส่วนกรณีสุดท้ายคือการแก้โจทย์คณิตศาสตร์ Erdős Problem #397 แบบออฟไลน์ด้วยภาษา Perl นานกว่า 68 นาที ซึ่งเป็นการค้นพบคำตอบด้วยตนเองที่น่าประทับใจเมื่อเทียบกับฐานข้อมูลเดิมของโมเดลที่หยุดอัปเดตไปก่อนหน้านั้น
ความพร้อมในการใช้งานจริง
สำหรับการนำไปใช้งาน แม้จะมีการประมวลผลแบบ 8B แต่การโหลด Expert ทุกตัวต้องใช้พื้นที่หน่วยความจำรวมสำหรับ 118B พารามิเตอร์ ซึ่งในระดับความละเอียด 4-bit จะต้องการพื้นที่ราว 59 GB ซึ่งพอดีกับหน่วยความจำ 128 GB ของ DGX Spark เพียงเครื่องเดียว ส่วนการใช้งานที่ความละเอียดสูงสุดแบบ BF16 จะต้องการพื้นที่ 236 GB ซึ่งจำเป็นต้องใช้ Spark สองเครื่องเชื่อมต่อกันหรือโหนดความเร็วสูงในศูนย์ข้อมูล
ปัจจุบัน Poolside ได้ร่วมมือกับ NVIDIA เพื่อปรับแต่งการทำงาน (Inference) ให้ดียิ่งบนสถาปัตยกรรม Blackwell และรองรับเครื่องมือยอดนิยมอย่าง vLLM, SGLang และ Ollama ตั้งแต่วันแรก นอกจากนี้ผู้ใช้ยังสามารถเลือกใช้งานผ่าน OpenRouter ได้ฟรีที่ Context 256K หรือแบบชำระเงินเพื่อเข้าถึง Context เต็มรูปแบบ 1M Tokens รวมถึงพาร์ทเนอร์อย่าง Baseten และ Prime Intellect ได้แล้ววันนี้ แหล่งที่มา: Poolside Technical— Introducing Laguna S 2.1, Robert McHardy บน X, Poolside บน X และ Hugging Face model card
ความคิดเห็น (0)
เข้าสู่ระบบเพื่อร่วมแสดงความเห็น
สมัครสมาชิกมาเป็นคนแรกที่แสดงความเห็นกันเลยโบร