Laguna XS.2（Poolside 首个开放权重编程模型）

是什么

Laguna XS.2 是 Poolside 的第一款开放权重（open-weight）模型，也就是说训练好的参数本身被公开，而不是只通过接口提供服务。它的总参数为 330 亿，每处理一个 token 激活其中的 30 亿 ^[1]。

这两个数字量的不是同一件事。总参数说明模型存了多少东西，激活参数说明生成一个 token 要花多少计算。如果每次只用一小部分权重，它的推理成本就会比同等总参数的稠密（dense）模型低得多。所以看推理开销要看激活参数，看显存和容量要看总参数。

权重以 Apache 2.0 许可发布 ^[1]。这是一个宽松的开源许可，允许使用、修改和再分发。

由来

权重于 2026 年 4 月 23 日出现在 Hugging Face 上，比发布公告早 5 天 ^[2]。模型训练用了 30 万亿 token ^[1]。

基准成绩

Poolside 公布了 4 项编程基准的结果。在 SWE-bench Verified 上，模型需要针对真实软件仓库里的 issue 给出补丁，并让补丁通过项目自带的测试，Laguna XS.2 解决了 68.2% 的任务；作为对照，310 亿参数的稠密模型 Gemma 4 为 52.0% ^[1]。在 SWE-Bench Pro 上它的成绩是 44.5% ^[1]；在 Terminal-Bench 2.0 上，任务是放在终端环境里完成的，成绩为 30.1% ^[1]；在 SWE-bench Multilingual 上，也就是同类任务换成更多编程语言，成绩为 62.4% ^[1]。

发布方重点引用的是与 Gemma 4 的对比：总参数 330 亿、每个 token 只激活 30 亿的模型，解决的任务比 310 亿参数的稠密模型更多。

成绩是怎么跑出来的

这类智能体式编程基准的分数，很大程度上取决于模型外面的脚手架，所以发布信息把测试条件写得很细。基准通过 Laude Institute 的 Harbor 框架运行，使用 Poolside 自己的智能体执行框架（agent harness），最多允许 500 步 ^[1]。沙箱配置为 8 GB 内存和 2 个 CPU，Terminal-Bench 2.0 则使用 48 GB 内存和 32 个 CPU ^[1]。所有运行都采用温度 0.7、top-k 20 的采样设置 ^[1]。

这些细节之所以重要，是因为步数上限、执行框架和机器配置都会改变模型能做完多少事：步数更多、内存更大，智能体就有机会从失败的尝试中恢复，也能跑更重的工具。把它们公开出来，分数才可复现，读者也才能判断与另一个模型的比较是否在相近条件下完成。

2026 年 5 月的更新

2026 年 5 月的一次更新把服务时的上下文长度提升到 256K，并提高了 SWE-bench Verified、SWE-Bench Pro 和 Terminal-Bench 2.0 的成绩 ^[1]。上下文长度决定了一次会话里能装下多少代码和对话，超过之后较早的内容就必须被舍弃。

在发展中位置

对 Poolside 来说，Laguna XS.2 是它开始公开权重、而不只是提供托管模型的起点。Apache 2.0 许可意味着团队可以把它下载下来，跑在自己的硬件上，查看内部并做修改，这和用一款托管式编程助手是两回事。总参数多、激活参数少这一组合，针对的正是自建部署时最实际的取舍：模型需要 330 亿参数级别的存储，但每个 token 的计算量只相当于一个小得多的模型。