近日，西方新兴实验室Poolside AI发布了Laguna S 2.1模型，这是一款1180亿参数的混合专家模型（Mixture-of-Experts），每个token仅激活80亿参数，支持高达100万token的上下文窗口，并且权重已开源，方便本地推理。该模型在多个基准测试中表现优异，尤其在本地推理环境下展现出极高的效率和性价比，甚至被社区称为“比Deepseek v4 Flash更便宜，性能优于V4 Pro”。

Laguna S 2.1的技术亮点

  • 参数效率高：1180亿总参数中仅激活80亿，极大降低了推理资源需求。
  • 大上下文窗口：支持高达100万token的上下文，适合复杂任务。
  • 开源权重：模型权重已上传至Hugging Face，支持自定义修改和本地部署。
  • 优异的基准表现：在Terminal-Bench 2.1、SWE-bench多语言、多任务等测试中均取得领先成绩。

社区反馈与实测

Reddit用户对Laguna S 2.1表现出浓厚兴趣，部分用户已开始下载测试。实测显示该模型在RTX Pro 6000（96GB显存）上推理速度达到109 tokens/s，超过同类Qwen3.5-122B的103 tokens/s，且在工具调用和多步推理链条方面表现更佳。但也有用户指出模型在事实准确性方面存在一定不足，尤其在压力测试下偶尔出现虚构信息，需通过调整采样参数和tokenizer进行优化。

此外，Laguna S 2.1因其较小的激活参数规模，被认为更适合高内存的消费级或专业级硬件，而非传统数据中心设备，这为本地推理带来了新的可能性。

相关讨论热点

  • 安全与开源模型：Hugging Face CEO强调开源模型对安全防御的重要性，指出封禁开源AI可能让防御者处于劣势。
  • 模型蒸馏争议：美国白宫指控Moonshot AI非法蒸馏Anthropic模型，引发关于知识产权和模型开放性的激烈讨论。
  • 新型架构与工具：Nanbeige4.2-3B采用循环Transformer层，号称性能超越4倍体量模型；微软发布基于Qwen3.5的多模态浏览器代理模型Fara1.5-27B。
  • 评测与基础设施：LangChain推出Eval Engineering Skill，推动评测自动化；Cursor发布低成本智能模型路由器，提升推理效率。

总结

Laguna S 2.1以其高效的参数激活策略和强大的本地推理能力，成为当前1200亿参数级别开源模型中的佼佼者。它不仅在性能和成本上具备竞争力，也推动了本地AI推理生态的发展。随着更多用户和开发者的参与，未来该模型及其衍生版本有望在实际应用中展现更大潜力。