Laguna S 2.1: модель кодирования с открытыми весами от Poolside, которая бьет выше своего веса (и цены)

21 июля 2026 года Poolside выпустила Laguna S 2.1 — модель кодирования с открытыми весами на 118 миллиардов параметров, из которых лишь около 8 миллиардов активных на токен, — и представила её как «самую производительную модель с открытыми весами на Западе» и свой ответ DeepSeek и Qwen. Главная новость не в том, что она превосходит все закрытые фронтирные системы, а в том, что она превосходит модели во много раз большего размера на бенчмарках агентского кодирования, при этом стоимость составляет 0,10 / 0,20 доллара за миллион токенов. Это руководство объясняет, что такое Laguna S 2.1 на самом деле, её режим мышления, какие данные независимые, а какие сообщены разработчиком, стоимость, как её запускать и кому она подходит.

Каждое изображение ниже имеет указание источника. Основные показатели Laguna по заголовкам сообщаются Poolside (из материалов запуска и карты Hugging Face), если не указана названная третья сторона; считайте их выполненными поставщиком, пока независимые лаборатории не подтвердят. Бенчмарки и цены меняются — проверяйте, прежде чем утверждать бюджет.

Кратко. Laguna S 2.1 — это модель для кодирования с открытым весом, архитектуры MoE (всего 118B, активно ~8B), с контекстом до 1M и переключателем «думать / не думать», цена всего $0,10 за входные / $0,20 за выходные токены на 1M токенов — небольшая часть от большинства конкурентов. Poolside сообщает о 78,5% на SWE-Bench Multilingual (лидирующая среди открытых моделей с раскрытым размером), 70,2% на Terminal-Bench 2.1 и 40,4% на DeepSWE v1.1 (против 9,0% у DeepSeek-V4-Pro-Max) — при примерно одной шестой активных параметров. Это лучший вариант открытого веса по соотношению цена/качество кодирования, который мы видели, но закрытые фронтирные модели, такие как Claude Fable 5, Claude Opus 5, and Kimi K3всё ещё лидируют по нескольким абсолютным бенчмаркам. Если вам нужен дешёвый коддер, который можно разместить на своём сервере и который превосходит свой весовой класс, Laguna S 2.1 — это то, что нужно; если же вам нужна самая высокая точность кодирования, фронтирный флагман всё ещё побеждает.

Основные выводы

• Лучшее соотношение кода с открытым весом за доллар. $0.10/$0.20 за 1 млн токенов для модели, которая лидирует среди открытых моделей с раскрытым размером на SWE-Bench Multilingual (78.5%).

• Бьет выше своего веса. ~8B активных параметров, но соответствует или превосходит гораздо более крупные модели на Terminal-Bench 2.1 и SWE-Bench Pro.

• Открытый вес и возможность самостоятельного хостинга. Веса на Hugging Face (poolside/Laguna-S-2.1) — вы можете запустить его в своей среде.

• Режим размышления определяет результаты. Максимальное размышление поднимает DeepSWE с 16,5% до 40,4% — мощно, но оно тратит токены рассуждений, так что планируйте бюджет.

• Не абсолютный #1. Закрытые флагманы премиум-класса (Fable 5, Opus 5, Kimi K3) всё ещё лидируют в нескольких абсолютных тестах кодирования; преимущество Laguna состоит в весовой категории и цене, а не в первенстве в таблице.

Примечание к прочтению этого обзора: всё, что приписывается Poolside, является заявлением вендора из материалов запуска; если бенчмарк независим, мы указываем источник. Если независимый показатель общего интеллекта не опубликован, мы сообщаем об этом, а не гадаем — Laguna является специалистом по кодингу, а не лидером общего рейтинга.

Что на самом деле представляет собой Laguna S 2.1

Laguna S 2.1 — это модель кодирования с открытым весом и агентным функционалом от Poolside. Архитектурно это смесь экспертов: всего 118B параметров, но активируется только около 8B на токен, что делает её дешёвой в обслуживании относительно её возможностей. Она поддерживает контекст до 1M токенов и два режима работы — быстрый путь «без размышлений» и путь «с размышлениями», который тратит дополнительные токены рассуждений на более сложные задачи. Она создана для кодирования и агентной работы: использование инструментов, вызов функций, многошаговые задачи. Poolside также выпускает меньшую модель — Laguna XS 2.1 (всего 33B / ~3B активных), по ещё более низкой цене $0.06 / $0.12.

Ключевой момент: веса открыты и опубликованы на Hugging Face, так что, в отличие от закрытой API-модели, вы можете скачать Laguna S 2.1, запустить её на своей собственной инфраструктуре, дообучить и зафиксировать версию. Эта комбинация — кодинг на уровне передовых моделей, крошечное количество активных параметров, открытые веса и чрезвычайно низкая цена — и есть вся суть предложения, и именно поэтому Poolside называет её ответом Запада на сильные открытые модели от DeepSeek и Qwen.

Что нового: бенчмарки

Цифры запуска целиком связаны с кодированием. На SWE-Bench Multilingual Poolside сообщает 78,5%, что, по его словам, опережает открытые модели известного размера. На Terminal-Bench 2.1 он получает 70,2%. На DeepSWE v1.1 он достигает 40,4% — и самое поразительное сравнение от Poolside: это превосходит показатель DeepSeek-V4-Pro-Max в 9,0% на том же тесте при примерно одной шестой активных параметров. На Terminal-Bench 2.1 и SWE-Bench Pro Poolside утверждает, что Laguna S 2.1 соответствует или превосходит модели в несколько раз большего размера, включаяDeepSeek V4 Flash, NVIDIA's Nemotron 3 Ultra и Thinking Machines' Inkling.

Честное обрамление, которое использует сама Poolside, касается весовой категории, а не абсолютного превосходства: закрытые передовые модели, такие как Claude Fable 5 и Kimi K3, по-прежнему лидируют по нескольким бенчмаркам. Таким образом, правильный способ читать Laguna S 2.1 — «максимальные возможности, которые можно получить от открытой, активной модели размером ~8B и очень дешевой», а не «лучший кодер и точка».

Режим мышления: откуда берется производительность

Лагуна С 2.1's основные показатели во многом зависят от её режима «максимального мышления». Самый наглядный пример — {{1}}DeepSWE v1.1{{/1}}, где результат подскакивает с 16,5% без мышления до 40,4% с максимальным мышлением — большая часть бенчмарковой силы модели обусловлена возможностью рассуждать. {{2}}Terminal-Bench 2.1{{/2}} демонстрирует ту же закономерность (60,4% → 70,2%). Это имеет значение для стоимости и задержки: режим мышления тратит дополнительные токены на рассуждение, поэтому, хотя цена за токен мала, сложная задача при максимальном мышлении использует больше токенов (и занимает больше времени), чем путь без мышления. На практике вы запускали бы {{KEEP}}routine completions{{/KEEP}} в режиме без мышления ради скорости и экономии, а переключались бы на мышление только для сложных многошаговых задач, где прирост точности оправдывает затраты токенов — это кодинг-специфичное отражение регуляторов усилий, появляющихся на фронтирных моделях.

Глубокое погружение в бенчмарк: что измеряют эти тесты программирования

SWE-Bench Multilingual расширяет известный SWE-bench (решение реальных проблем GitHub) на несколько языков программирования, поэтому 78,5% — это сильный сигнал практического межъязыкового исправления ошибок — и «leads open disclosed-size models» — значимое, хотя и озвученное вендором, утверждение. Terminal-Bench 2.1 проверяет, может ли модель управлять реальным терминалом для выполнения задач от начала до конца, что ближе к тому, что на самом деле делает автономный агент кодирования, чем одноразовое завершение кода. DeepSWE v1.1 является более сложным набором инструментов для агентной разработки ПО; 40,4% (против 9,0% у DeepSeek-V4-Pro-Max) — самое яркое число Laguna именно потому, что это большой разрыв с гораздо более крупной моделью.

Оговорка, которая сохраняет честность: это результаты, полученные Poolside на момент запуска, и пока не опубликовано ни индекса Artificial Analysis Intelligence, ни независимого показателя SWE-bench Verified для Laguna S 2.1. Поэтому относитесь к заявлениям о лидерстве как к заявленным разработчиком, пока третья сторона не подтвердит их, и помните, что Laguna — специалист по кодированию: она не позиционируется как лидер в области общих рассуждений, и не стоит ожидать, что она возглавит индекс общего интеллекта.

Сколько это стоит на практике

Именно здесь Laguna S 2.1 по-настоящему разрушает стереотипы. При $0.10 за ввод / $0.20 за вывод на 1M токенов типичный запрос на кодирование из 15 000 вводных и 3 000 выходных токенов стоит 15k × $0.10/1M + 3k × $0.20/1M = $0.0015 + $0.0006 = около $0.0021 — примерно одна пятая цента. Тот же запрос на frontier-модели, такой как Claude Opus 5 ($5/$25), обойдётся примерно в $0.15 — почти в 70 раз дороже. Даже по сравнению с дешёвыми конкурентами Laguna выигрывает: её цена ниже, чем у DeepSeek. Звёздочка — режим размышлений (thinking mode) — сложная задача при максимальном обдумывании может генерировать в несколько раз больше выходных токенов, поэтому вызов стоимостью «$0.0006 за вывод» может превратиться в несколько центов. Но даже с учётом этого завышения стоимость оказывается пренебрежимо малой по сравнению с закрытыми frontier-моделями. Для высокообъёмной автоматизации кодирования — CI-ботов, массовых рефакторингов, флотов агентов — экономика неоспорима, особенно учитывая, что вы также можете развернуть собственную инфраструктуру, чтобы полностью исключить затраты на токены.

Как получить доступ и запустить Laguna S 2.1

Поскольку веса открыты, у вас есть два пути. Вы можете вызывать модель через хостинг-провайдеров (она появляется на агрегаторах вроде OpenRouter) по тарифу $0.10/$0.20 — это самый быстрый способ опробовать её. Или вы можете скачать веса с Hugging Face (poolside/Laguna-S-2.1) и развернуть самостоятельно — оставляя код и данные в своей среде, дообучая на своих репозиториях, квантуя под своё железо и ограничивая затраты своей инфраструктурой. Вариант XS (33B-A3B) — это вариант, когда вы хотите запустить что-то ещё меньшее и более дешёвое локально. В любом случае, модель поддерживает использование инструментов и вызов функций, так что легко встраивается в агентные среды программирования.

Для кого это: три сценария

1. Автоматизация написания кода в больших объемах с ограниченным бюджетом

Если вы запускаете CI-ботов для исправлений, массовые миграции или большие флоты агентов, где стоимость токенов возрастает, цена Laguna S 2.1 является преобразующей — используйте бездумный режим для рутинной работы и обдумывание для сложных случаев. Это её самый сильный вариант использования.

2. Команды, которые должны самостоятельно размещать кодовые модели

Для организаций, которые не могут отправлять собственный код в закрытый API, открытая весовая модель кодера, лидирующая в своем классе по размеру, — это именно то, чего не хватало. Laguna S 2.1 (или XS для менее мощного оборудования) предоставляет вам кодирование, близкое к передовому, которое вы полностью контролируете.

3. Стартапы, чувствительные к затратам, разрабатывающие продукты для программирования

Если маржа вашего продукта зависит от стоимости вывода (inference), Laguna позволяет предлагать функции AI-кодинга по цене, значительно ниже frontier-моделей, оставляя флагманскую frontier только для самых сложных запросов пользователей.

Когда не следует использовать это

Не обращайтесь к Laguna S 2.1, когда вам нужна наилучшая точность кодирования и вы готовы за нее платить — закрытые модели переднего края (Fable 5 с 95,0% SWE-bench Verified, Opus 5 с #1 по общему индексу, Kimi K3 с #1 Frontend Coding Arena) по-прежнему лидируют в нескольких бенчмарках. Не используйте её для общего рассуждения, мультимодальных или не связанных с кодированием задач — это специалист по кодированию без родословной общего интеллекта. И не предполагайте, что заголовочные цифры сохраняются в режиме без размышлений; если вы отключаете размышления ради экономии, проверьте более низкие оценки, которые вы на самом деле получите.

Контрольный список решений

• Выберите Laguna S 2.1, если: вам нужен самый дешевый capable open-weight coder, вы должны самостоятельно его разместить или вы используете высокообъемную автоматизацию кодирования, где доминирует стоимость.

• Выберите флагманскую модель frontier, если: вам нужна абсолютно лучшая точность кодирования, общее рассуждение или мультимодальность — и вы можете себе это позволить.

• Запускайте оба, если: стандартное рутинное кодирование на Laguna и передача самых сложных задач передовой модели, за одной конечной точкой.

Часто задаваемые вопросы

Сколько стоит Laguna S 2.1?

$0.10 за 1 млн входных токенов и $0.20 за 1 млн выходных — с меньшей моделью Laguna XS 2.1 по $0.06 / $0.12. Это одна из самых дешёвых способных моделей для кодирования, и, будучи open-weight, вы можете самостоятельно развернуть её, чтобы избавиться от затрат на токен. [OpenRouter/BenchLM]

Является ли Laguna S 2.1 открытым исходным кодом?

Это модель с открытыми весами: веса модели опубликованы на Hugging Face (poolside/Laguna-S-2.1), поэтому вы можете скачать, запустить и дообучить её. Проверьте лицензию Poolside для вашего конкретного использования.

Лучше ли он, чем DeepSeek или Qwen, для программирования?

Poolside позиционирует себя как западный ответ им и сообщает, что превосходит DeepSeek-V4-Pro-Max на DeepSWE (40.4% против 9.0%) при значительно меньшем количестве активных параметров. На открытых, раскрытых по размеру бенчмарках кодирования он лидирует по словам Poolside — но эти бенчмарки проводятся вендором, поэтому проверяйте на своих собственных репозиториях.

Превосходит ли он передовые модели?

Не совсем. Закрытые флагманы, такие как Claude Fable 5, Claude Opus 5 и Kimi K3, по-прежнему лидируют в нескольких абсолютных бенчмарках. Утверждение Laguna — лучший в своей весовой категории и лучший по соотношению цена-качество, а не лучший в целом.

Что такое режим размышления?

Переключатель между быстрым путем без размышлений и путем с максимальным размышлением, который тратит дополнительные токены рассуждений для повышения точности (например, DeepSWE 16.5% → 40.4%). Используйте режим без размышлений для рутинной работы, размышления — для сложных задач.

Что такое контекстное окно?

До 1M токенов, поэтому большие кодовые базы и длинные транскрипты агентов помещаются.

Следует ли мне использовать S или XS?

Laguna S 2.1 (118B/8B) для самых сложных задач кодирования; Laguna XS 2.1 (33B/3B) когда вам нужно что-то более компактное и дешевое для самостоятельного размещения или обслуживания при очень высокой нагрузке.

Суть

Laguna S 2.1 — самая привлекательная открытая модель для кодирования среди аналогов своего размера на сегодняшний день: MoE 118B/8B с контекстом до 1M и переключателем режима рассуждения, стоимостью всего $0,10 / $0,20. Poolside заявляет, что эта модель лидирует среди открытых моделей с раскрытым размером на SWE-Bench Multilingual (78,5%) и превосходит гораздо более крупных конкурентов в тестах агентного кодирования. Она не является безусловно лучшим кодером — закрытые флагманские модели по-прежнему лидируют в нескольких бенчмарках, — а её рекордные результаты во многом зависят от режима рассуждения, который расходует токены. Но для дешёвого, развёртываемого локально и высокообъёмного кодирования в её весовой категории конкурентов нет. Направляйте Laguna S 2.1 вместе со всеми флагманскими моделями через единый OpenAI-совместимый эндпоинт в OrcaRouter и отправляйте на неё основную часть своего трафика кодирования, передавая самые сложные задачи только по эскалации.