Poolside представила модели Laguna: новый стандарт ИИ-агентов для разработки ПО

На рынке искусственного интеллекта появился новый серьезный игрок из США — стартап Poolside, основанный в Сан-Франциско в 2023 году. Компания представила семейство больших языковых моделей Laguna, которые оптимизированы для так называемых агентных рабочих процессов. Это означает, что ИИ не просто генерирует текст, но и способен самостоятельно писать код, использовать сторонние инструменты и выполнять сложные задачи без постоянного контроля со стороны человека.

Две флагманские модели для разных задач

Разработчики выпустили две версии нейросети, которые решают разные уровни задач в зависимости от требований к безопасности и вычислительной мощности:

• Laguna M.1: проприетарная флагманская модель с архитектурой «смеси экспертов» (MoE), имеющая 225 миллиардов параметров (из которых активны 23 миллиарда). Она предназначена для корпоративного и государственного секторов, где требуется решение сложнейших инженерных задач и долгосрочное планирование.
• Laguna XS.2: компактная модель на 33 миллиарда параметров (3 миллиарда активных), распространяемая под открытой лицензией Apache 2.0. Она спроектирована для эффективной работы на локальном оборудовании, что позволяет разработчикам запускать мощного ИИ-агента даже на ноутбуке без подключения к интернету, обеспечивая полную приватность данных.

В обзоре отмечается, что обе модели были обучены «с нуля», а не являются доработанными версиями существующих китайских или американских базовых систем. На данный момент Poolside предоставляет временный бесплатный доступ к старшей модели M.1 через свой API и партнерские платформы, такие как OpenRouter и Ollama.

Технология обучения: «Фабрика моделей»

Процесс создания Laguna проходил в специализированной цифровой среде, которую в компании называют «Модельной фабрикой». В основе лежит внутреннее программное обеспечение Titan и уникальный оптимизатор Muon. По данным тестирования, Muon позволяет модели усваивать информацию на 15% быстрее стандартных отраслевых методов. Это достигается за счет математической балансировки каждого обновления «нейронных связей», что предотвращает ошибки и зависания системы в процессе обучения.

Для тренировки был использован колоссальный объем данных в 30 триллионов токенов (фрагментов информации). Отбор данных производился системой AutoMixer, которая задействует группу из 60 прокси-моделей для поиска идеального баланса между программным кодом, математикой и общими знаниями из сети. Около 13% обучающего набора составляют синтетические данные — высококачественные материалы, созданные другими ИИ для обучения специфическим навыкам, которые редко встречаются в открытом доступе.

После базового обучения модели проходят стадию обучения с подкреплением (Reinforcement Learning) в изолированной цифровой песочнице. Там ИИ учится исправлять ошибки в коде и решать инженерные задачи, получая «награду» за каждый успешный результат. Именно это превращает нейросеть из генератора текста в полноценного автономного агента.

Производительность и результаты тестов

Результаты бенчмарков показывают, что модели Poolside успешно конкурируют с гораздо более массивными архитектурами. В тесте SWE-bench Pro, оценивающем способность ИИ решать реальные программные ошибки, Laguna M.1 показала результат 46,9%, вплотную приблизившись к показателям таких гигантов, как Qwen-3.5. Компактная Laguna XS.2 набрала 44,5%, что выше результатов Claude Haiku 4.5 и модели Gemma 4 31B.

В более сложном тесте SWE-bench Verified модель M.1 набрала 72,5%, обойдя Devstral 2, хотя пока и уступает лидеру сегмента — Claude Sonnet 4.6 (79,6%). Эксперты отмечают, что фокус Poolside на обучении с подкреплением позволил их малым моделям показывать эффективность, сопоставимую с системами, которые в разы больше по объему параметров.

Технические требования для локального запуска

Для запуска Laguna XS.2 (33B) на собственном оборудовании пользователям потребуется мощная аппаратная часть:

• Для компьютеров Apple (Mac): минимум 36 ГБ объединенной памяти. Подходят модели с чипами M5 Max или Mac Mini/Studio с объемом памяти от 48 ГБ до 64 ГБ. Отмечается, что бюджетные модели с 8 ГБ памяти не справятся с задачей.
• Для ПК на Windows и Linux: видеокарта с объемом видеопамяти от 24 ГБ до 32 ГБ. Оптимальным выбором считается RTX 5090, которая обеспечивает скорость генерации около 45 токенов в секунду. Модели уровня RTX 4090 (24 ГБ) также поддерживаются, но могут работать медленнее при выполнении сложных задач.
• Место на диске: необходимо зарезервировать от 20 до 35 ГБ для сжатой версии и до 70 ГБ для полной версии модели.

Инструменты pool и shimmer

Вместе с моделями компания представила два продукта для взаимодействия с ИИ. Первый инструмент, pool, представляет собой терминальный интерфейс для локальной разработки, который работает как сервер агентских протоколов.

Второй продукт, shimmer, — это облачная среда разработки (IDE), работающая в виртуальной машине. Особенностью shimmer является его полная адаптация под мобильные устройства. В продемонстрированных тестах ИИ-агент успешно генерировал сложную анимацию и вносил правки в код прямо на экране смартфона. Это подтверждает концепцию будущего, где серьезная инженерная работа не будет привязана только к рабочему столу в офисе.

Стратегия открытого кода

Выбор открытой лицензии Apache 2.0 для модели XS.2 является стратегическим шагом Poolside. Это позволяет любому пользователю или компании использовать, изменять и распространять ПО в коммерческих целях без выплаты роялти. По заявлению компании, западному рынку необходимы сильные открытые модели, чтобы сообщество могло быстрее развивать технологии и адаптировать их под свои нужды.

В основе философии Poolside лежит идея о том, что разработка программного обеспечения — это лучший способ измерения общего интеллекта ИИ. Создание ПО требует планирования, логики и работы с абстракциями. Фокусируясь на этой сфере, стартап стремится создать самосовершенствующийся цикл обучения, где ИИ переходит от простого использования инструментов к самостоятельному созданию сложных цифровых систем.

Твитнуть