Американский ИИ-стартап Poolside запускает бесплатную высокопроизводительную открытую модель Laguna XS.2 для локального агентного программирования

Г гонка в последнее время напоминает теннисный матч: сначала Anthropic выпускает новую дорогостоящую передовую проприетарную модель для обычных пользователей (Claude Opus 4.7), затем, примерно неделю спустя, ее конкурент OpenAI отвечает своей собственной моделью (GPT-5.5). И все это время китайские компании, такие как DeepSeek, и даже Xiaomi стремятся привлечь пользователей, играя по другим правилам: приближаясь к передовому уровню, но с открытой лицензией и гораздо более низкими затратами.

Поэтому появление нового, доступного и высокопроизводительного претендента с открытым исходным кодом из США стало большим сюрпризом. Сегодня такой продукт представила небольшая и малоизвестная американская ИИ-стартап-компания Poolside, основанная в Сан-Франциско в 2023 году.

Компания выпустила две новые большие языковые модели Laguna, каждая из которых предлагает доступный интеллект, оптимизированный для работы с агентскими рабочими процессами (ИИ, который не просто общается или генерирует контент, но в данном случае умеет писать код, использовать сторонние инструменты и действовать автономно), а также новый инструмент для работы с агентами программирования под названием (соответственно) «pool» и новую веб-среду с оптимизацией для мобильных устройств для интерактивной разработки кода и предварительного просмотра агентов под названием «shimmer», которая позволяет писать код с помощью моделей Laguna прямо на ходу.

В число новых моделей ИИ, выпущенных Poolside сегодня, входят:

• Laguna M.1: проприетарная модель «смеси экспертов» (MoE) с 225 миллиардами параметров, из которых 23 миллиарда являются активными. Эта флагманская модель оптимизирована для критически важных корпоративных и государственных сред и предназначена для решения сложных долгосрочных задач разработки программного обеспечения, требующих максимальных возможностей рассуждения и планирования.

• Laguna XS.2: модель MoE с открытым исходным кодом по лицензии Apache 2.0, насчитывающая 33 миллиарда параметров, из которых 3 миллиарда активны. Эта модель, созданная для обеспечения эффективности и инноваций в сообществе, предназначена для локальных задач агентского программирования и служит универсальной основой для разработчиков, желающих осуществлять тонкую настройку, квантование или развертывание мощных агентов на одном графическом процессоре. Другими словами, разработчики могут загрузить и запустить Laguna XS.2 на своих настольных компьютерах или даже ноутбуках без подключения к интернету — полностью конфиденциально и безопасно.

Примечательно, что, как упоминалось выше, в настоящее время по лицензии с открытым исходным кодом Apache 2.0 доступна только меньшая из двух моделей — XS.2 (на Hugging Face). При этом Poolside предлагает даже более крупную M.1 бесплатно на временной основе через свой API и партнеров по дистрибуции OpenRouter, Ollama и Baseten, что делает ее отличным вариантом для разработчиков, желающих протестировать ее.

Также стоит отметить, что обе новые модели Laguna были обучены с нуля, а не дообучены/прошли постренинговую обработку на базе моделей серии Qwen от китайского гиганта Alibaba, как это в последнее время практиковали некоторые другие американские лаборатории (*кхе-кхе*, Cursor, *кхе*).

Как написала компания Poolside в своем блоге сегодня, последние несколько лет она «была сосредоточена на обслуживании правительственных клиентов и клиентов из государственного сектора с помощью способных моделей, развертываемых в средах с высочайшим уровнем безопасности», но теперь переходит на открытый исходный код, «чтобы поддержать создателей и более широкое исследовательское сообщество».

Когда я спросил в X, почему государственные ведомства стремятся использовать Poolside вместо ведущих проприетарных американских лабораторий, таких как Anthropic, OpenAI и Google, инженер по постренингу Poolside Георгий Григорьев ответил мне в сообщении следующее: «мы считаем, что можем быстрее развертывать наши модели у корпоративных клиентов и буквально поставлять веса в полностью изолированных локальных средах (on-prem), чтобы они могли работать офлайн. Это может иметь решающее значение для госсектора / государственных структур 🙂 но, конечно, корпоративную версию Anthropic пока сложно превзойти».

Как обучались модели Poolside Laguna M.1 и Laguna XS.2

Poolside создает свои ИИ-модели в специализированной цифровой среде под названием «Фабрика моделей» (Model Factory).

В основе этого процесса лежит Titan — мощное внутреннее программное обеспечение компании, которое служит «печью» для обучения. Чтобы помочь ИИ учиться как можно эффективнее, Poolside использует уникальный инструмент под названием оптимизатор Muon.

Представьте себе Muon в качестве высокоскоростного репетитора: он помогает модели осваивать новую информацию примерно на 15% быстрее по сравнению со стандартными отраслевыми методами, что является критически важным приростом при обучении в масштабе 30 триллионов токенов.

Этого удается достичь за счет того, что каждое обновление «мозга» модели математически сбалансировано и направлено в нужную сторону, что предотвращает путаницу и застревание ИИ во время интенсивных тренировок.

Информация, используемая для обучения этих моделей — ошеломляющие 30 триллионов «токенов» или фрагментов данных — тщательно отбирается с помощью системы AutoMixer.

Вместо того чтобы просто скармливать ИИ все, что удается найти в интернете, AutoMixer задействует «рой» из шестидесяти прокси-моделей на различных наборах данных, чтобы научным путем определить, какая именно комбинация кода, математики и общих веб-данных обеспечивает наилучшие возможности для рассуждения.

Таким образом, система действует подобно шеф-повару высшей категории, который научно тестирует тысячи различных «рецептов», чтобы найти идеальный баланс компьютерного кода, математики и общих знаний.

Хотя большая часть этих данных поступает из общедоступного интернета, около 13% составляют «синтетические данные». Это высококачественный материал для практики, созданный по индивидуальному заказу другими ИИ, чтобы обучить модели конкретным навыкам, которые трудно найти в реальном мире.

После завершения базового «обучения» модель попадает в виртуальный тренажерный зал для обучения с подкреплением (Reinforcement Learning). На этом этапе ИИ практикуется в решении реальных задач программной инженерии в безопасной изолированной цифровой песочнице. Он учится методом проб и ошибок, получая «награду» или положительный сигнал каждый раз, когда ему удается исправить ошибку или написать рабочий фрагмент кода. Этот непрерывный цикл практики и обратной связи превращает простой текстовый генератор в способного «агента», который может планировать и выполнять сложные многоэтапные проекты точно так же, как и человек-программист.

Хотя M.1 представляет собой вершину текущих исследований Poolside, более скромная Laguna XS.2 может оказаться более прорывной новинкой.

При общем количестве параметров всего 33 миллиарда (из которых активны 3 миллиарда), XS.2 представляет собой MoE-модель «второго поколения», в которой воплощено все, чему команда научилась в ходе обучения M.1.

Бенчмарки показывают, что модели Poolside Laguna значительно превосходят свой весовой класс

Производительность Laguna M.1 в бенчмарке SWE-bench Pro — тесте, созданном для проверки способности ИИ решать реальные проблемы программного обеспечения — достигла 46.9% на SWE-bench Pro, почти сравнявшись с результатами гораздо более крупных моделей Qwen-3.5 и DeepSeek V4-Flash.

Несмотря на малую долю в общем размере, Laguna XS.2 демонстрирует результат 44.5% в SWE-bench Pro, практически не уступая своему старшему собрату.

В категории SWE-bench Verified модель M.1 набрала 72.5%, опередив плотную модель Devstral 2 (72.2%), но уступив Claude Sonnet 4.6, которая лидирует в этой категории с показателем 79.6%.

Эти результаты подчеркивают специализацию M.1 на долгосрочных задачах разработки ПО, особенно тех, которые требуют сложного планирования во взаимосвязанных файлах.

Младшая модель Laguna XS.2 демонстрирует поразительную эффективность, почти не уступая по производительности своему гораздо более крупному собрату в задачах с высокими ставками. Несмотря на наличие всего 3 миллиардов активных параметров, XS.2 превосходит Claude Haiku 4.5 (39.5%) и значительно превосходящую ее по размеру плотную модель Gemma 4 с 31 млрд параметров (35.7%) в бенчмарке SWE-bench Pro.

В рассуждениях на основе терминала результат XS.2 в 30.1% на Terminal-Bench 2.0 также слегка опережает показатель Haiku 4.5 (29.8%), хотя модель все еще отстает от специализированных «нано-моделей», таких как GPT-5.4 Nano, которая достигла 46.3% в том же тесте.

В совокупности эти бенчмарки свидетельствуют о том, что ставка Poolside на агентское обучение с подкреплением и кураторство синтетических данных позволила более компактным моделям соревноваться в весовых категориях, традиционно зарезервированных для гораздо более плотных архитектур.

Хотя первоклассные проприетарные модели вроде Claude Sonnet 4.6 сохраняют лидерство по общим показателям успешности, семейство Laguna — и в особенности XS.2 с открытыми весами — предлагает конкурентоспособную альтернативу для разработчиков, для которых в приоритете локальное выполнение и настраиваемые рабочие процессы агентов.

Все бенчмаркинг-тестирование проводилось с использованием инфраструктуры Harbor Framework в изолированной программной среде (песочнице), что гарантирует отражение реальной способности моделей функционировать в условиях ограниченных ресурсов.

Запуск Laguna XS.2 локально

Для локального запуска модели Laguna XS.2 (33B) ваше аппаратное обеспечение должно справляться с ее 33 миллиардами общих параметров. Для пользователей Apple Silicon базовым требованием является наличие 36 ГБ объединенной памяти.

Для владельцев ПК и Linux стандартные веса обычно требуют более 60 ГБ видеопамяти (VRAM), однако поддержка моделью 4-битного квантования (Q4) позволяет ей работать на потребительских видеокартах по меньшей мере с 24–32 ГБ VRAM, таких как недавно выпущенная RTX 5090.

Объем хранилища также имеет значение: следует выделить не менее 70 ГБ для полной модели или примерно 20–35 ГБ для сжатой версии, подходящей для локальных «агентских» задач.

Для наиболее плавной работы Poolside рекомендует использовать Ollama или собственный терминальный агент компании pool, которые спроектированы для управления встроенными возможностями модели в области рассуждений и вызова инструментов на потребительском «железе».

Полные технические требования, включая специфические конфигурации квантования и детали изоляции выполнения кода, можно найти на официальной странице модели на Hugging Face и в релизном блоге Poolside. Несколько примеров рекомендуемого оборудования приведены ниже:

Mac

• MacBook Pro (14 или 16 дюймов): Обратите внимание на модели на базе чипа M5 Max, который изначально поддерживает конфигурацию от 36 ГБ объединенной памяти. Хотя доступна и версия M5 Pro, вам потребуется настроить ее индивидуально, чтобы превысить стандартный объем памяти и достичь порога в 36 ГБ.

• Mac Studio / Mac Mini: Отличной настольной альтернативой станет Mac Mini (на базе M4 или M5 Pro) с конфигурацией оперативной памяти не менее 48 ГБ или 64 ГБ.

• ОТСУТСТВИЕ поддержки «MacBook Neo»: эта модель не подходит для запуска Laguna XS.2. Выпущенный в начале 2026 года в качестве бюджетного варианта, MacBook Neo ограничен 8 ГБ нерасширяемой памяти, чего недостаточно для модели с 33 миллиардами параметров.

ПК

• Конфигурация с одним GPU: NVIDIA GeForce RTX 5090 — лучший выбор на 2026 год, предлагающий 32 ГБ видеопамяти GDDR7, которая способна обрабатывать Laguna XS.2 на высокой скорости (примерно 45 токенов/сек) с использованием квантования Q4.

• Профессиональная сборка: Для профессиональных разработчиков, запускающих сложные долгосрочные агенты, конфигурация на базе RTX PRO 6000 Blackwell (96 ГБ VRAM) или две карты RTX 5090 позволяют запускать модель без каких-либо потерь от сжатия.

• Минимальная спецификация ПК: Карта RTX 4090 (24 ГБ) может запускать модель с более сильным квантованием, хотя производительность при выполнении сложных задач на рассуждение может быть ниже.

pool (агент) и shimmer (IDE)

Модели ценны ровно настолько, насколько удобна среда их обитания, и компания Poolside выпустила два «предварительных» продукта для работы с семейством Laguna: pool и shimmer.

pool — это терминальный агент программирования, разработанный для локального окружения разработчика. Он функционирует как сервер протокола клиентских агентов (ACP) — тот же инструментарий команда использует внутри компании для обучения с подкреплением (RL).

Предоставляя собственные разработки исследователей в общий доступ, Poolside фактически приглашает сообщество разработчиков принять участие в «реальном тренажерном зале», на котором обучаются их будущие модели.

Shimmer воплощает концепцию облачного будущего разработки. Это мгновенно запускаемая песочница на базе виртуальной машины (ВМ), где разработчики могут за считанные секунды вносить изменения в веб-приложения, API и интерфейсы командной строки (CLI).

В отличие от традиционных интегрированных сред разработки (IDE), таких как Microsoft Visual Studio, shimmer интегрирует агент Poolside прямо в рабочее пространство, позволяя ему без труда отправлять изменения на GitHub или импортировать существующие репозитории.

Пожалуй, самой удивительной особенностью shimmer является его портативность. Основатель и дизайнер Poolside Аласдер Монк (Alasdair Monk) продемонстрировал работу shimmer прямо на смартфоне.

В ходе демонстрации на разделенном экране интерфейса показано, как агент Poolside генерирует анимацию «С Новым 2026 годом!», пока в нижней части экрана функционирует среда разработки.

Как отметил Монк, это решение предлагает мгновенно запускаемую виртуальную машину с агентом Poolside в режиме разделенного экрана и полноценную среду разработки на мобильном устройстве.

Это намекает на будущее, в котором сложная инженерия не привязана к настольному компьютеру, а может осуществляться везде, где у инженера есть под рукой экран.

Зачем выпускать Laguna XS.2 с открытыми весами по лицензии Apache 2.0?

Самым значительным стратегическим шагом в этом релизе стало лицензирование Laguna XS.2. Компания Poolside выпустила веса модели XS.2 под лицензией Apache 2.0.

Это крайне либеральная лицензия, которая позволяет пользователям использовать, распространять и модифицировать программное обеспечение для любых целей, включая коммерческое использование, без выплаты роялти. Это резкий контраст с «закрытыми» моделями многих конкурентов или даже с более ограничительными «открытыми с оговорками» лицензиями, которые используют некоторые другие лаборатории.

Руководство Poolside четко объясняет причины такого выбора. В блоге Poolside выражается убежденность в том, что «Западу необходимы надежные модели с открытыми весами», и что публикация весов — это самый быстрый способ для команды улучшить свою работу благодаря экспертной оценке и донастройке со стороны сообщества.

Предоставляя веса высокопроизводительной агентной модели с 33 миллиардами параметров в руки исследователей и стартапов, Poolside позиционирует себя как краеугольный камень экосистемы открытого искусственного интеллекта.

В то время как модель Laguna M.1 по-прежнему остается преимущественно за API, открытый релиз XS.2 гарантирует, что технология Poolside будет заложена в основу сторонних инструментов нового поколения.

Философия и подход Poolside

Главный тезис работы Poolside заключается в том, что разработка программного обеспечения служит идеальным прокси-индикатором общего интеллекта.

Создание программного обеспечения требует долгосрочного планирования, сложных рассуждений и способности оперировать абстрактными системами — все эти черты лежат в основе человеческого познания. Хотя большинство современных ИИ-«агентов» ограничены вызовом инструментов через предопределенные интерфейсы, агенты Poolside созданы для написания и выполнения собственного кода с целью решения задач.

Этот переход от использования инструментов к построению систем значает фундаментальную эволюцию во взаимодействии ИИ с цифровым миром.

Команда, состоящая примерно из 60 человек в сфере прикладных исследований, потратила три года и провела десятки тысяч экспериментов, чтобы достичь текущих результатов. Их видение ОИИ (AGI) заключается не просто в интеллекте, а в «изобилии для человечества».

Сосредоточившись на разработке программного обеспечения — области с проверяемыми результатами в виде успешного прохождения тестов и компиляции, — они создали цикл самосовершенствования с обратной связью. Как выражается сама команда, они строят «ядерный реактор» для данных: извлекают каждую каплю интеллекта из уже существующих человеческих знаний, одновременно используя обучение с подкреплением для сбора «ветровой энергии» нового, свежего опыта.

Путь Poolside только начинается, но релиз Laguna задает высокую планку того, как должен выглядеть «агентный» ИИ в 2026 году. Сочетая производительность передового уровня с приверженностью открытым весам и принципиально новым интерфейсам для разработчиков, компания прокладывает путь к AGI, который в равной степени относится как к способам создания, так и к тому, что именно мы создаем.

Как для крупных предприятий, так и для отдельных разработчиков мысль предельно ясна: будущее работы связано с агентами, и языком этого будущего является код.