$ cat wiki/models/laguna-s-2-1.md
Laguna S 2.1
model갱신 2026-08-03생성 2026-08-03
나란히 보기
벤치마크
이 수치들은 Poolside 자신이 정리한 리더보드 위의 Poolside 자체 측정값이며, 하네스 구성은 함께 공개되지 않았다. Eval Harness Configuration 에 따라 이것들은 모델의 속성이 아니라 (모델, 하네스) 쌍에 대한 주장이다 (source):
| Benchmark | Laguna S 2.1 | Poolside 가 밝힌 비교 |
|---|---|---|
| Terminal-Bench 2.1 (thinking) | 70.2% | 자사 리더보드에서 규모를 공개한 오픈 모델 중 1위. 더 크거나 닫힌 시스템에만 뒤진다 |
| SWE-Bench Multilingual | 78.5% | 자사가 공개한 표에서 전체 1위 |
| DeepSWE v1.1 | 40.4% | 활성 파라미터 약 6분의 1로 DeepSeek-V4-Pro-Max 의 9.0% 에 대비 |
| 보도는 장기 지평 코딩 벤치마크에서 이 모델이 몇 배 큰 시스템들과 대등하게 겨룬다고 | ||
| 전하며, DeepSeek-V4-Pro-Max, NVIDIA Nemotron 3 Ultra, Inkling 를 거명한다 | ||
| (source). |
이 가운데 어느 것도 위키에 독립적 측정치가 없다. Laguna S 2.1 은 2026-08-02 에 읽은 Artificial Analysis 리더보드 260개 행 전체에 등장하지 않는다 (source).
활용 사례
에이전트 코딩 — Poolside 가 고른 벤치마크 묶음(Terminal-Bench, SWE-Bench Multilingual, DeepSWE)이 측정하는 장기 지평 소프트웨어 과제다 (source). Agentic Reinforcement Learning 와 Agents (LLM Agents) 를 참조하라.
비교
- DeepSeek V4-Flash — 284B/13B, MIT. 마찬가지로 에이전트 코딩을 겨냥해 다시 포스트트레이닝됐다. "작은 활성 규모의 오픈 코딩 모델"이라는 축에서 직접적인 비교 대상
- Inkling — 975B/41B, Apache 2.0. Laguna 가 스페셜리스트라면 이쪽은 제너럴리스트이며, Poolside 보도가 벤치마크 상대로 거명한 모델 가운데 하나이기도 하다 (source)
- Kimi K3 — 2.8T. 같은 오픈 웨이트 구간의 규모 쪽 끝
- Mistral Large 3 — 이 위키가 추적하는 그 이전의 서방 프런티어급 오픈 웨이트 릴리스
상충 보고
Laguna S 2.1 이 몇 배 큰 모델을 이겼다고 할 때의 배수가 헤드라인마다 다르다. VentureBeat 헤드라인은 "rivals 10x its size" 라 하고, 다른 매체의 헤드라인은 "14x its size" 라 한다 (source). 둘 다 별개의 측정이 아니라 같은 벤더 비교표를 바꿔 말한 것이며, 두 배수 어느 쪽도 Poolside 가 공개한 수치에는 나오지 않는다. 위키는 대신 그 수치들을 적는다.