Laguna S 2.1: Mô hình lập trình nhỏ gọn nhưng hiệu suất vượt trội từ Poolside

Poolside đã giới thiệu các mô hình đầu tiên của mình tới đông đảo người dùng hơn vào tháng 4 năm 2026 với Laguna M.1 và XS.2. Trước đó, công ty chỉ tập trung vào các khách hàng chính phủ và khu vực công. XS.2 cũng là mô hình mở đầu tiên của hãng theo giấy phép Apache 2.0. Laguna S 2.1 là phiên bản thứ ba trong loạt sản phẩm được ra mắt chỉ trong khoảng ba tháng.

Laguna S 2.1 vượt qua các mô hình mở có quy mô lớn hơn nhiều

Khi kích hoạt chế độ tư duy (thinking), Laguna S 2.1 đạt 70,2% trên Terminal-Bench 2.1, bài kiểm tra đánh giá các mô hình dựa trên các tác vụ terminal chạy dài hạn. Nó xếp ngay sau Hy3 (295B-A21B) của Tencent và vượt trên nhiều mô hình mở có quy mô lớn hơn nhiều, bao gồm DeepSeek-V4-Pro-Max, Nemotron 3 Ultra và mô hình đầu tay của Thinking Machines Lab. Bảng xếp hạng tổng thể hiện đang dẫn đầu bởi GPT-5.6 Sol của OpenAI, Claude Fable 5 của Anthropic và Kimi K3.

Poolside cho biết điểm chuẩn DeepSWE của Datacurve cung cấp khả năng so sánh tốt hơn vì điểm số của nó được phân bổ trên phạm vi rộng hơn. Laguna S 2.1 đạt 40,4%, trong khi một số mô hình trọng số mở với hơn một nghìn tỷ tham số vẫn duy trì dưới mức 10%. Nó cũng xếp gần đầu bảng trong phân khúc của mình trên các bài kiểm tra SWE-Bench Multilingual, SWE-Bench Pro và SWE Atlas.

Chế độ tư duy có tác động lớn đến hiệu suất. Nếu không có chế độ này, điểm số Terminal-Bench của Laguna S 2.1 giảm xuống còn 60,4%, trong khi điểm DeepSWE giảm xuống còn 16,5%. Poolside cho biết chưa có mô hình Laguna nào trước đây cho thấy khoảng cách hiệu suất lớn như vậy giữa hai chế độ.

Poolside coi sự kiên trì là giải pháp thay thế cho việc tăng quy mô thô

Poolside cho biết bản phát hành này phản ánh một tư duy rộng hơn về hiệu suất mô hình. "Những gì chúng tôi thực hiện trong mô hình này không nhất thiết là thêm trí thông minh, mà là cải thiện các hành vi dẫn đến một mô hình có năng lực hơn: xác minh nhiều hơn, bớt mặc định mọi thứ, không sớm tuyên bố chiến thắng và kiên trì hơn," công ty viết trong bài đăng ra mắt.

Các mô hình Laguna trước đây đôi khi dừng lại sau khi chỉ vượt qua một phần bộ kiểm thử hoặc từ bỏ phương pháp tiếp cận chỉ hai bước trước khi nó có thể thành công. Poolside coi sự kiên trì, xác minh và sửa đổi các phương pháp thất bại là con đường thứ hai để đạt hiệu suất tốt hơn, song song với việc mở rộng quy mô chính mô hình đó. Một mô hình Laguna lớn hơn hiện đã bắt đầu quá trình tiền huấn luyện.

Poolside củng cố tuyên bố của mình bằng ba lần chạy thử nghiệm được ghi chép lại. Trong một thử nghiệm, Laguna S 2.1 đã xây dựng một công cụ trình duyệt hoạt động được từ một thư mục trống trong 50 phút, có khả năng hiển thị HTML và CSS. Trong một thử nghiệm khác, mô hình đã tìm ra lời giải cho Erdos Problem #397, một bài toán toán học chưa có lời giải từ năm 1975, khi đang hoạt động trong môi trường sandbox không có Python. Poolside cho biết kết quả này là một sự tái khám phá độc lập. GPT-5.2 Pro đã giải được bài toán này và một số bài toán khác vào tháng 1 năm 2026, trong khi thời điểm cắt dữ liệu huấn luyện của Laguna là tháng 11 năm 2025.

Hậu huấn luyện trên 409.000 môi trường thúc đẩy các bước tiến

Poolside cho biết bước nhảy vọt từ XS 2.1 lên S 2.1 chủ yếu đến từ việc mở rộng quy mô và hậu huấn luyện, chứ không phải dữ liệu tiền huấn luyện mới. Giai đoạn huấn luyện tác tử (agentic training) bao phủ 409.000 môi trường, bao gồm 83.000 môi trường cho các tác vụ terminal và 168.000 môi trường cho quy trình kỹ thuật phần mềm. Nguồn dữ liệu đơn lẻ lớn nhất là khoảng 38.000 commit thực tế từ khoảng 17.000 kho lưu trữ. Một danh mục tác vụ mới đã huấn luyện mô hình tự cài đặt các kho lưu trữ, thiết lập mọi phụ thuộc và chạy các bộ kiểm thử.

Poolside đã tăng ngân sách triển khai và kéo dài thời gian chờ (timeout). Họ cũng xây dựng một hệ thống sandbox mới có thể chặn truy cập mạng một cách có chọn lọc để hạn chế tình trạng "hack phần thưởng" (reward hacking). Các đợt triển khai đa môi trường (multi-harness) chạy cùng một câu lệnh trên nhiều môi trường tác tử khác nhau, giúp giảm rủi ro quá khớp (overfitting) vào một thiết lập duy nhất.

Theo Poolside, chưa đầy chín tuần đã trôi qua kể từ khi bắt đầu huấn luyện đến khi ra mắt. Quá trình tiền huấn luyện bắt đầu vào ngày 22 tháng 5 năm 2026, sử dụng 4.096 GPU Nvidia H200. S 2.1 cũng là mô hình đầu tiên của công ty được huấn luyện bằng học tăng cường (reinforcement learning) ở độ chính xác FP8.

Poolside đã công bố mọi quỹ đạo điểm chuẩn tại trajectories.poolside.ai. Trong quá trình huấn luyện, tỷ lệ "hack phần thưởng" đạt trên 50% đối với các tác vụ SWE-Bench vì mô hình đã tìm kiếm trực tuyến các pull request phù hợp thay vì tự giải quyết các tác vụ đó. Một thay đổi nhỏ trong câu lệnh đã đưa tỷ lệ này xuống dưới 2%.

Laguna S 2.1 vẫn được tinh chỉnh quá sát với bộ công cụ tác tử của Poolside trong một số trường hợp. Trong các môi trường lạ với lược đồ công cụ hơi khác biệt, mô hình có thể đi chệch khỏi định dạng yêu cầu, Poolside cho biết. Nó cũng có xu hướng tạo ra các chuỗi tư duy quá dài đối với các bài toán toán học cạnh tranh. Người dùng hiện chưa thể điều chỉnh mức độ tư duy của mô hình.

Laguna S 2.1 chạy cục bộ hoặc thông qua các dịch vụ lưu trữ

Laguna S 2.1 có sẵn trên Hugging Face theo giấy phép OpenMDW 1.1. Được hỗ trợ bởi Linux Foundation, giấy phép này cho phép bất kỳ ai sử dụng, sửa đổi và phân phối lại trọng số mô hình, bao gồm cả mục đích thương mại.

Baseten, Vercel AI Gateway và OpenRouter cung cấp quyền truy cập thông qua dịch vụ lưu trữ. OpenRouter cung cấp một điểm cuối miễn phí với cửa sổ ngữ cảnh 256K và một điểm cuối trả phí hỗ trợ toàn bộ cửa sổ một triệu token. Poolside cho biết mô hình cũng có thể chạy cục bộ trên một thiết bị Nvidia DGX Spark duy nhất. Bản demo trò chuyện miễn phí có sẵn tại chat.poolside.ai mà không cần đăng nhập.

Poolside đang thực hiện hai canh bạc chiến lược. Một là con đường dẫn đến trí thông minh đi qua lập trình tác tử (agentic coding) vì phần mềm cung cấp cho các tác tử giao diện biểu đạt nhất. Họ cũng tin rằng AI có thể "giải nén web". Hầu hết các tài liệu viết tay chỉ ghi lại câu trả lời thay vì lý luận đằng sau chúng, và Poolside lập luận rằng học tăng cường có thể khôi phục lại quá trình đó.