Poolside, 오픈웨이트 코딩 모델 ‘Laguna S 2.1’ 공개…100만 토큰 문맥

Poolside가 21일(현지시간) 공식 블로그를 통해 에이전트형 코딩 모델 ‘Laguna S 2.1’을 공개했다. 전체 매개변수 1180억 개 가운데 토큰을 처리할 때 약 80억 개를 활성화하는 혼합전문가(MoE) 구조로, 최대 100만 토큰의 문맥을 지원한다.

모델은 장시간 이어지는 소프트웨어 개발 작업을 겨냥했다. Poolside는 도구를 호출하기 전과 호출 사이에 추론을 이어가도록 설계했으며, 이전 응답의 추론 내용을 대화 기록에 보존하면 여러 단계 작업의 맥락을 유지할 수 있다고 설명했다. 사고 모드는 끄기와 최대 두 단계로 제공된다. 사용자가 낮음·중간·높음처럼 세부 추론 강도를 직접 조절하는 기능은 아직 없다.

Poolside가 공개한 자체 평가에서 Laguna S 2.1은 Terminal-Bench 2.1에서 70.2%, SWE-bench Multilingual에서 78.5%, SWE-Bench Pro 공개 데이터셋에서 59.4%를 기록했다. DeepSWE 점수는 40.4%였다. 회사는 과제별로 3~4회 실행한 평균 pass@1을 사용했으며, 내부 에이전트 하네스와 샌드박스에서 평가했다고 밝혔다. 서로 다른 하네스와 실행 조건을 쓴 다른 모델의 수치와는 직접 비교에 주의가 필요하다.

평가 과정의 공개 범위도 넓혔다. Poolside는 최종 평가에 사용한 실행 궤적을 별도 아카이브에서 열람하고 내려받을 수 있게 했다. 모델이 인터넷에서 정답에 해당하는 코드를 찾아오는 보상 편법을 점검하기 위해 자동 분류와 사람 검토를 병행했다고 설명했다. 다만 평가 설계와 판정은 회사가 주도한 만큼 실제 개발 현장의 성능은 독립적인 재현이 필요하다.

가중치는 출시 당일부터 Hugging Face에 게시됐다. 라이선스는 OpenMDW 1.1이며, 공식 모델 카드는 상업·비상업 목적의 사용과 수정을 허용한다고 안내한다. BF16과 FP8, INT4, NVFP4 가중치에 더해 GGUF·MLX 변환본과 추측 디코딩용 DFlash 초안 모델도 제공된다.

실행 생태계에는 vLLM과 SGLang, NVIDIA TensorRT-LLM, llama.cpp, Ollama가 포함됐다. Poolside는 기본 BF16 체크포인트의 가중치가 약 236GB에 이르지만 양자화 버전을 이용하면 필요한 메모리를 줄일 수 있다고 밝혔다. 호스팅 방식으로는 OpenRouter와 Vercel AI Gateway, Baseten을 지원한다.

학습 시작부터 공개까지 걸린 기간은 9주가 채 되지 않았다. 회사 자료에 따르면 사전학습은 5월 22일 NVIDIA H200 GPU 4096개에서 시작됐다. 이후 지도 미세조정과 강화학습을 거쳤고, 긴 작업을 위해 이전 모델보다 실행 시간과 토큰, 단계 예산을 늘렸다.

한계도 공식 문서에 함께 적시됐다. 외부 에이전트 하네스의 도구 형식을 처음부터 정확히 따르지 못하거나 중첩된 도구 호출에서 잘못된 JSON을 만들 수 있다. 복잡한 수학 문제에서는 필요 이상으로 오래 추론하는 현상도 관찰됐다. Poolside는 후속 모델에서 추론 강도 제어와 효율을 개선할 계획이라고 밝혔다.

Laguna S 2.1은 대규모 코딩 모델의 가중치와 평가 과정을 함께 공개하면서 자체 배포 선택지를 넓힌 사례다. 개발 조직이 실제 도입을 검토할 때는 공개 벤치마크뿐 아니라 사용하는 하네스와 양자화 방식, 장시간 작업의 안정성, 모델 라이선스와 운영 비용을 함께 확인해야 한다.

출처: Poolside 공식 발표 https://poolside.ai/blog/introducing-laguna-s-2-1
출처: Poolside 공식 Laguna S 2.1 모델 카드 https://huggingface.co/poolside/Laguna-S-2.1
출처: Poolside 공식 평가 궤적 아카이브 https://trajectories.poolside.ai/