Laguna-M.1: Флагманский код-модель от Poolside

Введение: Историческое значение Laguna-M.1

28 апреля 2026 года компания Poolside представила Laguna-M.1, ставшую поворотным моментом в мире кодирования. Это не просто очередное обновление, а фундаментальная эволюция архитектуры больших языковых моделей. Модель позиционируется как флагманский продукт всей семейности Laguna, объединяя в себе мощнейшие вычислительные ресурсы и передовые алгоритмы обучения.

Для разработчиков и инженеров это означает доступ к инструментам, способным решать задачи, ранее недоступные из-за ограничений контекста или логической сложности. Laguna-M.1 была разработана с акцентом на agentic coding, позволяя модели самостоятельно планировать и выполнять сложные задачи разработки ПО на протяжении длительного времени.

Модель закрыта для публичного доступа, но доступна для стартапов и исследовательских институтов по запросу. Это подчеркивает серьезность подхода Poolside к безопасности и качеству их продуктов на уровне корпоративных решений.

• Модель является первым в семействе Laguna с таким масштабом параметров.
• Предназначена для agentic coding и long-horizon задач.
• Полностью закрытый проект с доступом по запросу.

Архитектура и ключевые особенности

Laguna-M.1 представляет собой Mixture-of-Experts модель с общим количеством параметров 225B. Однако эффективность достигается за счет активации только 23B параметров на каждый токен, что обеспечивает баланс между производительностью и стоимостью вычислений.

Обучение проводилось на 6144 interconnected NVIDIA Hopper GPU, что является беспрецедентным для индустрии. Вся инфраструктура была построена полностью внутри компании Poolside. Использовался оптимизатор Muon для обучения с нуля на 30T токенов.

Контекстное окно составляет 128K токенов, а количество выводимых токенов достигает 8K. Это позволяет модели анализировать огромные объемы кода и документации без потери контекста, что критически важно для Enterprise-разработки.

• 225B общих параметров (MoE), 23B активированных.
• Обучение на 6144 GPU NVIDIA Hopper.
• 30T токенов данных для предобучения.
• Контекстное окно 128K, вывод 8K.

Производительность и бенчмарки

На бенчмарках Laguna-M.1 демонстрирует впечатляющие результаты, превосходя многие конкуренты. На SWE-bench Verified модель показывает результат 72.5%, что указывает на высокую способность к верификации кода.

В тесте SWE-bench Multilingual результат составляет 67.3%, а на SWE-bench Pro — 46.9%. На Terminal-Bench 2.0 модель набирает 40.7%. Эти цифры подтверждают, что Laguna-M.1 является самым мощным моделью компании на данный момент.

Сравнение с предыдущими версиями показывает значительный рост в задачах, требующих многошагового планирования. Модель способна решать сложные задачи в области программного обеспечения, которые ранее требовали участия человека.

• SWE-bench Verified: 72.5%.
• SWE-bench Multilingual: 67.3%.
• Terminal-Bench 2.0: 40.7%.
• Флагманская модель Poolside на данный момент.

API Pricing и доступность

Для разработчиков Poolside предлагает уникальную возможность использовать модель бесплатно в ограниченное время. Стоимость ввода составляет $0/M tokens, а стоимость вывода также составляет $0/M tokens. Это позволяет тестировать интеграции без финансовых рисков.

Модель доступна через API Poolside и через OpenRouter. Это обеспечивает максимальную гибкость для интеграции в существующие стеки. Доступ к весам модели возможен по запросу для стартапов, институтов и университетов.

Ограниченный бесплатный период позволяет компаниям оценить производительность на реальных задачах перед переходом на платные тарифы или развертывание в собственной инфраструктуре.

• Ввод: $0/M tokens (free for limited time).
• Вывод: $0/M tokens (free for limited time).
• Доступ через API Poolside и OpenRouter.
• Возможность получения весов по запросу.

Сценарии использования

Laguna-M.1 идеально подходит для agentic coding и long-horizon задач. Она может самостоятельно планировать архитектуру, писать код, тестировать его и документировать процесс. Это делает ее идеальным выбором для сложных Enterprise-проектов.

Также модель применима в задачах RAG, где требуется анализ огромных объемов технической документации. Благодаря 128K контексту, модель может удерживать в памяти весь проект, что невозможно для моделей с меньшим окном.

Разработчики могут использовать модель для автоматизации рутинных задач, таких как рефакторинг, генерация тестов и создание документации, что значительно повышает эффективность команды.

• Agentic coding и long-horizon задачи.
• RAG для анализа технической документации.
• Автоматизация рефакторинга и тестирования.
• Enterprise-разработка.

Начало работы

Чтобы начать использование Laguna-M.1, разработчикам необходимо получить доступ через API Poolside или OpenRouter. Для локального развертывания веса доступны по запросу для соответствующих организаций.

В документации Poolside описаны все необходимые шаги для интеграции модели в ваш проект. Также доступна информация о том, как настроить асинхронную систему RL с использованием Agent Client Protocol (ACP) server.

Для получения дополнительной информации и технических деталей рекомендуется посетить официальную документацию Poolside и статьи о пост-обучении модели в Model Factory.

• Доступ через API Poolside и OpenRouter.
• Веса доступны по запросу для организаций.
• Поддержка асинхронной системы RL.
• Детальная документация на сайте Poolside.

API Pricing — Input: $0/M tokens (free for limited time) / Output: $0/M tokens (free for limited time) / Context: 128K

Sources