# Poolside выпустила Laguna S 2.1 — первую крупную открытую модель США за 11 месяцев
Каноническая страница: https://plainews.ru/posts/laguna-s-2-1-poolside-open-model-coding
Опубликовано: 2026-07-24T07:00:56.647Z

Poolside выпустила Laguna S 2.1 — открытую MoE-модель на 118 млрд параметров, которая обходит конкурентов в 10 раз крупнее. Разбираем архитектуру и где взять веса.
22 июля 2026 года стартап Poolside выложил веса Laguna S 2.1 — открытой модели на 118 млрд параметров для агентного программирования. Это первый крупный открытый вес из США с августа 2025-го, когда OpenAI выпустила gpt-oss-120b. На кодинговых бенчмарках Laguna идёт вровень с моделями в 5-10 раз больше себя и запускается на одном десктопе NVIDIA DGX Spark. Веса доступны на Hugging Face, лицензия разрешает коммерческое использование.

## Почему это важно прямо сейчас

Рынок открытых моделей последние полгода монополизирован Китаем. За июль 2026-го все пять самых популярных моделей на OpenRouter — китайские (Xiaomi, Tencent, Z-AI). 16 июля Moonshot выпустила Kimi K3 на 2,8 трлн параметров, которая обошла GPT-4o и Claude 3.5 на части задач из Arena — при цене на 65% ниже Anthropic. Белый дом и Минторг США обсуждают запрет на использование китайских открытых моделей в корпоративных продуктах. Если это случится, западному бизнесу понадобятся альтернативы — и Laguna S 2.1 становится одной из немногих.

## Mixture-of-Experts: 118 млрд параметров, работают 8 млрд

Laguna S 2.1 построена на архитектуре Mixture-of-Experts (MoE). Из 118 млрд параметров на каждый токен активны только 8 млрд — это обеспечивает компактность при инференсе. Контекстное окно — миллион токенов, что позволяет обрабатывать целые кодовые базы или длинные траектории выполнения.

Обучение заняло меньше четырёх недель на 4000 GPU NVIDIA H200. Poolside обещает новые релизы каждые 5 недель — компания утверждает, что построила "фабрику моделей", где эксперименты с архитектурой и обучение с подкреплением на результатах исполнения кода автоматизированы и укладываются в час вместо недель.

## Бенчмарки: на уровне моделей в 5-10 раз крупнее

На Terminal-Bench 2.1 Laguna набирает **70,2%**, на SWE-Bench Pro — **59,4%**. Это сопоставимо с DeepSeek V4 lite (в 2,5 раза крупнее), Nemotron 3 Ultra от NVIDIA (почти в 5 раз) и Inkling от Thinking Machines (в 8 раз). На части задач Laguna их обходит.

Poolside опубликовала полную траекторию доказательства задачи Эрдёша №397 — комбинаторной проблемы, которая до недавнего времени решалась только фронтирными моделями типа o3 от OpenAI. Компания выложила траектории всех прогонов всех бенчмарков для воспроизводимости — редкий уровень прозрачности для индустрии.

## Где взять модель и как запустить

Веса Laguna S 2.1 доступны на Hugging Face под лицензией, разрешающей коммерческое использование. Модель запускается на одном NVIDIA DGX Spark (десктопная станция с несколькими GPU). Для инференса MoE с 8 млрд активных параметров достаточно одной системы с 80-160 ГБ VRAM в зависимости от квантизации.

Пример загрузки через transformers:

```python from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "poolside/laguna-s-2.1" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained(     model_name,     device_map="auto",     torch_dtype="auto" )

prompt = "Write a Python function to merge two sorted arrays" inputs = tokenizer(prompt, return_tensors="pt").to(model.device) outputs = model.generate(**inputs, max_new_tokens=512) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ```

Для продакшн-инференса Poolside рекомендует использовать vLLM или TensorRT-LLM, которые оптимизируют MoE-архитектуры.

## Самая мощная открытая модель Запада — но не мира

Poolside называет Laguna S 2.1 "самой мощной открытой моделью Запада". Глобально это не так: Kimi K3 от Moonshot сильнее — на Terminal-Bench 2.1 у неё **88,3%** против **70,2%** у Laguna. Но K3 — монстр на 2,8 трлн параметров, для запуска которого нужен кластер, а не один сервер. Джейсон Уорнер, сооснователь Poolside и бывший техдиректор GitHub, аккуратно формулирует: Laguna лидирует "в весовой категории 118 миллиардов параметров".

27 июля Moonshot обещает выложить веса Kimi K3. Если это случится, титул "самой мощной открытой модели Запада" будет иметь значение только в контексте политических ограничений — если США действительно запретят использование китайских моделей.

## Подводные камни

**Зависимость от регуляторов**. Советник Белого дома по ИИ Дэвид Сакс предупреждает, что ведущие закрытые лаборатории (OpenAI, Anthropic) лоббируют устранение конкурентов с открытыми моделями. Судьбу open source на Западе может решить не бенчмарк, а регулятор.

**11 месяцев простоя**. Poolside привлекла $500 млн при оценке $3 млрд в октябре 2024-го, затем на полтора года пропала из новостей. Конкуренты за это время ушли вперёд — оценки OpenAI и Anthropic приближаются к триллиону долларов.

**Китайское превосходство**. Даже с Laguna S 2.1 западные открытые модели отстают от китайских по абсолютным показателям. K3, DeepSeek V4, модели Alibaba и Baidu обучены на бо́льших объёмах кода и показывают лучшие результаты на реальных задачах.

## Что попробовать дальше

Если вы делаете ставку на открытые модели и хотите избежать зависимости от китайских лабораторий, Laguna S 2.1 — единственная западная альтернатива в классе ~100B параметров. Следите за релизами Poolside каждые 5 недель — компания обещает быстрые итерации благодаря "фабрике моделей".

Для сравнения протестируйте Laguna рядом с DeepSeek V4 lite и Kimi K3 (когда выйдут веса 27 июля) на ваших задачах. MoE-архитектура Laguna даёт преимущество в скорости инференса на ограниченном железе, но проигрывает в качестве на сложных задачах.

Если работаете с корпоративными клиентами в США, держите руку на пульсе регуляторных новостей. Запрет китайских моделей сделает Laguna одной из немногих доступных опций — и её позиции на рынке резко усилятся независимо от технических показателей.

## Источники

- Habr ML: США пытаются отбить open source у Китая: вышла открытая модель Poolside Laguna S 2.1