Poolside Laguna S 2.1：118B-A8B open-weight agentic coding model 的意義與限制

Open-weight Coding Model

Laguna S 2.1：西方 open-weight coding model 的新信號

Threads 把 Poolside Laguna S 2.1 解讀為「免費、可下載自跑、寫程式打贏更大對手」的 open-weight coding model。官方資料可驗證：Hugging Face model card 顯示它是 118B total、約 8B activated per token 的 MoE，主打 agentic coding、長程工作與 1M context。

重要 caveat：open-weight 不等於完整 open-source。Laguna S 2.1 開放權重與模型材料，授權為 OpenMDW-1.1；但訓練資料、完整訓練流程與所有評測仍不等於完全公開可重現。

項目	官方 / HF 可驗證資訊
Model ID	`poolside/Laguna-S-2.1`
架構	Mixture-of-Experts，118B total parameters，約 8B activated per token；48 layers；256 routed experts + 1 shared expert。
Context	1,048,576 tokens；支援 thinking / no-thinking modes。
部署	Transformers / vLLM / SGLang / TRT-LLM；GGUF 需 poolside llama.cpp fork 或等待 upstream Laguna support。
硬體	BF16 約 236GB weights，需要多 GPU；官方提供 FP8、NVFP4、INT4、GGUF 量化變體。
License	HF card: `openmdw-1.1`；LICENSE.md 允許 commercial / non-commercial use、modify、share，但需保留 license/notice，並有 patent/copyright retaliation 與權利清查責任條款。

跑分怎麼看

Poolside 官方 blog / model card 列出 Laguna S 2.1 在 Terminal-Bench 2.1、SWE-Bench Multilingual、SWE-Bench Pro、DeepSWE、SWE Atlas、Toolathlon Verified 等 agentic coding benchmark 的分數，並提供 trajectories.poolside.ai 作為 evaluation trajectories。這比單純貼榜單透明，但仍應視為官方發佈與榜單來源混合的 claim，等待第三方獨立重跑。

為什麼值得注意

它把「可自跑 coding agent model」推到 118B-A8B 級距，並提供 INT4 / FP8 / GGUF 變體，對企業內網 code agent、資料不出境與客製 serving 有意義。

為什麼不能過度解讀

118B 即使 MoE 只啟用 8B，部署仍重；1M context 不代表所有長任務都穩；跑分與 harness 設定高度相關。

Allen/Hermes watchlist