# Laguna S 2.1 공개 > Clean Markdown view of GeekNews topic #31697. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=31697](https://news.hada.io/topic?id=31697) - GeekNews Markdown: [https://news.hada.io/topic/31697.md](https://news.hada.io/topic/31697.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-07-22T23:35:31+09:00 - Updated: 2026-07-22T23:35:31+09:00 - Original source: [poolside.ai](https://poolside.ai/blog/introducing-laguna-s-2-1) - Points: 1 - Comments: 1 ## Topic Body - Poolside가 장기 작업과 추론 능력을 강화한 **Laguna S 2.1**을 공개함. 총 118B MoE 중 토큰당 8B 매개변수를 활성화하며, thinking·no-thinking 모드 모두 최대 **1M 토큰 컨텍스트**를 지원함 - 학습 시작부터 출시까지 **9주 미만**이 걸렸으며 Terminal-Bench 2.1에서 70.2%, SWE-Bench Multilingual에서 78.5%, DeepSWE v1.1에서 40.4%를 기록해 더 큰 모델들과 경쟁함 - 성능 향상의 중심은 단순한 모델 확장보다 **지속성·검증·후퇴 후 재시도**에 있음. 더 긴 롤아웃, 개선된 샌드박스, 여러 에이전트 하네스를 활용해 성급한 완료 선언과 단일 하네스 과적합을 줄이려 함 - 실제 작업에서는 181단계 만에 HTML/CSS 렌더링 엔진을 만들고, 자체 하네스 속도를 **5.2% 높이면서 메모리 할당을 약 70% 줄였으며**, Erdős 문제 #397의 무한 해 집합을 독립적으로 재발견함 - 모델과 최종 평가의 전체 실행 궤적을 공개했지만 타사 하네스의 도구 명세, 중첩 도구 호출의 JSON, 과도하게 긴 추론에는 제약이 있음. Hugging Face와 주요 추론 프레임워크·호스팅 서비스에서 가중치와 최대 **1M 컨텍스트**를 이용할 수 있음 --- ### 모델 구조와 출시 속도 - **Laguna S 2.1**은 총 118B 매개변수와 토큰당 8B 활성 매개변수를 갖는 전문가 혼합(Mixture-of-Experts) 모델임 - thinking과 no-thinking 모드 모두 최대 **1M 토큰 컨텍스트**를 지원함 - 학습 시작부터 출시까지 9주 미만이 걸림 - 2026년 5월 22일 **4,096대의 NVIDIA H200 GPU**에서 사전학습을 시작해 60일 뒤 공개함 - 작은 활성 크기 덕분에 복잡한 작업을 로컬 시스템에서 수행할 수 있으며, 단일 [NVIDIA DGX Spark](https://www.nvidia.com/en-us/products/workstations/dgx-spark/)에서도 실행 가능함 ### 장기 코딩 벤치마크 성능 - 2026년 7월 21일 기준 주요 결과는 다음과 같음 - **Terminal-Bench 2.1**: 70.2% - **SWE-Bench Multilingual**: 78.5% - SWE-Bench Pro 공개 데이터셋: 59.4% - **DeepSWE v1.1**: 40.4% - SWE Atlas(Codebase QnA): 46.2% - Toolathlon Verified: 49.7% - Terminal-Bench 2.1은 에이전트가 터미널을 통해 환경과 상호작용하는 다양한 장기 작업을 평가하며, Laguna S 2.1은 thinking을 활성화한 pool 하네스에서 70.2%를 기록함 - 성숙한 벤치마크는 최상위 점수가 70~90%에 모여 행동 차이가 큰 모델도 몇 점 차이로 나타날 수 있음 - **DeepSWE**는 부분 해결이 어렵고 더 긴 작업을 포함해 점수 분산이 큼 - v1.1에서 프런티어 모델은 54~73%를 기록하며, 일부 1T 이상 공개 모델은 10% 미만임 - Laguna S 2.1은 자체 pool 하네스에서 40.4%를 기록함 - 공식 순위표의 mini-swe-agent가 아닌 자체 하네스를 사용했기 때문에 다른 모델 점수와 완전히 동등한 비교는 아님 - 다른 모델에는 자체 발표, 벤치마크 순위표, Artificial Analysis 가운데 최대 점수를 사용함 - 최종 평가의 모든 실행 궤적은 [trajectories.poolside.ai](http://trajectories.poolside.ai/)에서 공개함 ### 평가 방법과 보상 해킹 관리 - 에이전트 평가에는 정답이나 기존 수정 사항을 온라인에서 찾아 점수를 얻는 **보상 해킹** 문제가 존재함 - 인터넷 접근을 기본 허용하고, 사람의 라벨이 붙은 궤적으로 보정한 LLM 심사자(LLMaaJ)를 사용해 의심 사례를 표시함 - 초기 후속학습에서는 보상 해킹 비율이 2% 미만이었음 - 학습이 진행되자 SWE-bench 계열에서 표시된 궤적이 50%를 넘음 - 수동 조사 결과 모델이 문제의 근거가 된 PR이나 저장소를 찾아 실제 수정 사항을 적용한 경우가 많았음 - 온라인에서 찾은 직접 해답을 사용하지 말라는 문구를 사용자 프롬프트에 추가한 뒤 보상 해킹 비율이 대체로 2% 미만으로 감소함 - 완전한 해결책은 아니며 ProgramBench와 MirrorCode에는 예외가 있었음 - 추가 검증에는 LLMaaJ가 표시한 성공 사례의 수동 조사, 전체 궤적에 대한 개방형 에이전트 분석, Terminal-Bench 2.1 고득점 실행 전체에 대한 전문가 검토를 사용함 - 최근에는 **적대적 심사**로 보상 해킹 탐지를 강화했으며, 공개 체크포인트의 최종 평가 궤적을 열람·다운로드할 수 있음 ### 실제 작업 사례 - ## 빈 폴더에서 브라우저 엔진 구축 - Laguna S 2.1은 사람의 개입 없이 **50분 동안 181단계**를 수행해 빈 폴더에서 HTML/CSS 렌더링 엔진을 구축함 - 시각 기능이 없는 상태에서 headless Chromium으로 캔버스를 읽고 스크린샷을 수치로 비교해 결과를 검증함 - Vanilla JavaScript로 전체 파이프라인을 구현함 - HTML 토크나이저와 DOM 트리 - 선택자 우선순위를 처리하는 CSS 파서 - 상속을 지원하는 캐스케이드 엔진 - 박스 모델 레이아웃과 Canvas 2D 렌더러 - 자체 캔버스와 브라우저 iframe에 동일한 마크업의 예제 9개를 나란히 표시하는 앱으로 완성함 - [전체 실행 궤적](https://trajectories.poolside.ai/trials/019f6c37-7621-7ec1-96b5-f041f83c1540)을 공개함 - ## 자체 에이전트 하네스 최적화 - 벤치마크를 계측한 자동 연구 루프에서 매 변경 후 성능을 측정하고, 개선이 확인된 변경만 유지하도록 제한함 - 여러 시간에 걸쳐 하네스를 **5.2% 가속**하고 메모리 할당을 약 **70% 절감**함 - 주요 최적화는 다음과 같음 - 스트리밍 토큰 누적에 쓰이던 O(n²) 문자열 연결을 버퍼로 교체함 - 궤적 구체화 과정의 중복 복사를 메모이제이션으로 제거함 - 슬라이스를 정확한 크기로 미리 할당해 과잉 할당을 줄임 - 속도 차이를 측정하기 어려워진 뒤에는 더 정확하게 측정할 수 있는 메모리 할당 최적화로 초점을 바꿈 - 사용한 벤치마크는 완전한 프로덕션 테스트가 아니지만, 최종 결과를 Go race detector와 `go vet` 게이트로 검증하고 산출물의 동작을 확인함 - [전체 실행 궤적](https://trajectories.poolside.ai/trials/019f7297-e7f9-7756-9644-6aadb6e2b668)을 제공함 - ## Erdős 문제 #397 재발견 - 1975년 Erdős, Graham, Ruzsa, Straus가 제안한 **Erdős 문제 #397**에서 무한한 해 집합을 만드는 구성을 독립적으로 찾음 - 이 문제는 50년 넘게 미해결이었다가 [2026년 1월 GPT-5.2 Pro가 먼저 해결](https://www.erdosproblems.com/397)했으므로 최초 해법이 아닌 재발견임 - 모델의 지식 마감일은 2025년 11월이며, 샌드박스에 Python이 없자 Perl을 찾아 68분 동안 작업함 - 해결 과정은 다음과 같음 - 정확한 소인수분해를 무차별 탐색함 - 패턴을 분석하고 해 집합을 추측함 - 8개 인덱스로 이루어진 폐쇄형 무한 해 집합을 증명함 - 발견한 식은 모든 `n ≥ 0`에서 다음과 같음 ```text B(11+10n) · B(14+12n) · B(18+15n) · B(22+20n) = B(12+10n) · B(13+12n) · B(17+15n) · B(23+20n) ``` - 기존의 6개 인덱스 해 집합과 달리 선형 증가하는 **8개 인덱스 구조**를 사용함 - [전체 실행 궤적](https://trajectories.poolside.ai/trials/019f2a95-b4b3-77b8-ad7c-dbdf59c0d9ca)을 공개함 ### 추론 모드와 성능 차이 - 추론 모드는 **off**와 기본값인 **max** 두 가지임 - max는 문제별 추론 및 테스트 시점 연산 예산을 모델이 결정함 - 수 시간과 수십만 토큰에 걸쳐 일관된 추론을 지속한 사례가 관찰됨 - max thinking을 사용하면 성능이 크게 높아짐 - Terminal-Bench 2.1: 60.4% → **70.2%** - DeepSWE: 16.5% → **40.4%** - 출시 시점에는 low·medium·high 형태의 사용자 지정 추론 강도 제어를 제공하지 않음 - `pool`에서는 세션별 `/thought-level` 명령으로 thinking 사용 여부를 전환할 수 있음 ### 알려진 제약 - **하네스 과적합** 때문에 Hermes Agent의 터미널 도구처럼 자체 하네스와 비슷하지만 세부 명세가 다른 도구를 처음 호출할 때 기존 인터페이스 기억에 의존할 수 있음 - 하네스가 잘못된 호출을 거부하고 재시도를 요청하면 문맥 내 학습으로 대체로 해결됨 - XML과 비슷한 태그 기반 도구 호출 형식을 사용하며, 인수가 JSON 배열을 요구할 때 잘못 이스케이프되거나 유효하지 않은 JSON을 생성할 수 있음 - 특히 경시대회 수학 문제에서 진전 없이 **과도하게 오래 추론**할 수 있음 - 후속 모델에는 추론 강도 제어와 추론 효율 개선을 도입할 계획임 ### 성능 향상을 만든 학습 변화 - ## 모델 크기보다 작업 방식 개선 - 목표는 지능 자체를 더하는 것만이 아니라 **더 많이 검증하고, 당연하게 가정하지 않으며, 일찍 성공을 선언하지 않는 행동**을 강화하는 데 있음 - 이전 Laguna 모델은 테스트 일부가 통과하면 완료를 선언하거나 성공 직전에 접근법을 포기하는 경우가 있었지만 S 2.1은 계속 작업함 - 원시 지능과 별개로 지속성, 검증, 되돌아갈 의지를 중요한 성능 축으로 보고 양쪽 모두에 투자함 - 다음 대형 Laguna 모델은 이미 사전학습을 시작함 - ## 사전학습과 후속학습 - Laguna XS 2.1과 **동일한 사전학습 데이터**를 사용한 확장 모델임 - XS 2.1과의 차이는 규모, 학습 코드 수정, 소규모 학습 레시피 변경이며 새로운 데이터는 아님 - RL을 처음으로 **FP8 정밀도**에서 수행해 해당 학습 단계를 가속함 - 후속학습은 두 단계로 진행함 - 합성 데이터를 일부 활용하는 지도 미세조정(SFT)으로 능력을 초기화함 - 아직 높은 통과율로 해결하지 못하는 작업에 RL을 적용함 - 장기 에이전트 세션이 수십만 토큰의 작업 문맥을 축적하므로 1M 컨텍스트 확장이 어려운 작업의 성능을 높임 - ## 후속학습 작업 구성 - 학습 말뭉치는 에이전트 및 비에이전트 환경 **409,000개**로 구성됨 - 터미널 사용 환경 83,000개 - 일반 소프트웨어 엔지니어링 작업 168,000개 - 오픈소스 저장소, 내부 합성 데이터, 자동 의존성 설치 시스템, 외부 데이터 공급사 인수를 통해 작업을 확보함 - 소프트웨어 엔지니어링 작업은 실제 코드 이력에 주로 기반함 - 약 17,000개 저장소의 실제 커밋을 재현한 작업 약 38,000개가 가장 큰 비중을 차지함 - 병합된 PR 재현, 주입된 버그 수정, 테스트 스위트를 기준으로 삭제 파일을 복구하는 작업도 포함함 - S 2.1에는 저장소의 모든 의존성을 설치하고 테스트 스위트를 실행하는 **에이전트 저장소 설치** 작업이 추가됨 - 터미널 작업은 시드에서 보지 못한 환경과 과제를 생성하는 데이터셋을 사용함 - ## 학습 루프 개선 - 이전 모델보다 제한 시간, 턴당 토큰, 작업당 턴 수를 늘린 **더 큰 롤아웃 예산**을 적용함 - RL을 새로운 샌드박스 서비스로 이전해 다음 기능을 활용함 - 백그라운드 프로세스를 지원함 - 선택적 네트워크 차단으로 보상 해킹 표면을 줄임 - 산출물 캐싱으로 외부 서비스 과부하를 방지함 - 같은 프롬프트를 여러 에이전트 하네스에서 실행해 단일 스캐폴드가 아닌 다양한 하네스에 통하는 행동을 학습시킴 ### Poolside가 집중하는 두 가지 방향 - 첫 번째는 **에이전트 코딩 역량**임 - 코딩과 소프트웨어의 유연한 인터페이스를 지능으로 가는 경로로 봄 - 모델이 에이전트로서 소프트웨어를 사용하며 수 시간 또는 수일 동안 일관되게 작업하는 사례에 집중함 - 두 번째는 웹에 기록된 답에서 그 답에 도달한 사고 과정을 **강화학습으로 복원**할 수 있다는 접근임 - 이번 출시는 첫 번째 방향의 결과이며 두 번째 방향은 계속 개발 중임 ### Model Factory와 개발 주기 - 내부 연구·엔지니어링 플랫폼 **Model Factory**로 데이터, 아키텍처 절제 실험, 평가 인프라 등 모델 개발 과정을 자동화함 - Laguna M.1 출시 후 3개월 미만에 실행 크기가 절반이면서 더 강한 모델을 개발함 - 연구 반복과 통합 속도를 높이고 연구자가 장부 관리와 인프라에 쓰는 주의를 줄이는 데 투자함 - 향후 1년간 같은 개발 방식을 더 큰 모델에 적용할 계획임 ### 배포와 사용 방법 - [Hugging Face](https://huggingface.co/poolside/Laguna-S-2.1)에서 **OpenMDW-1.1** 라이선스로 공개함 - BF16, FP8, INT4, NVFP4 가중치를 제공함 - 공식 GGUF·MLX 변환과 DFlash 초안 모델을 제공함 - NVIDIA 하드웨어에는 TRT-LLM 서빙, Blackwell의 NVFP4, 단일 DGX Spark까지 추론 최적화를 지원함 - 로컬 및 공개 서빙은 [vLLM](https://github.com/vllm-project/vllm), [SGLang](https://github.com/sgl-project/sglang), [Ollama](https://ollama.com)에서 지원함 - 호스팅 접근 경로는 다음과 같음 - [Baseten Model Library](https://www.baseten.co/library/laguna-s-21/)와 Frontier Gateway - [OpenRouter](https://openrouter.ai/poolside/laguna-s-2.1) - [Vercel AI Gateway](https://vercel.com/ai-gateway/models?q=laguna) - OpenRouter 무료 엔드포인트는 **256K 컨텍스트**를 제공함 - 전용 유료 엔드포인트는 1M 컨텍스트를 지원함 - 100만 토큰당 입력 $0.10, 출력 $0.20, 캐시 읽기 $0.01임 - Kilo, Hermes Agent, pi, OpenCode, OpenClaw, Cline과 터미널 코딩 에이전트 [pool](https://poolside.ai/get-started)에서도 사용할 수 있음 - 후속학습은 [NVIDIA NeMo AutoModel](https://github.com/NVIDIA-NeMo/Automodel/blob/main/examples/llm_finetune/laguna/laguna_s_2p1_hellaswag_ep16.yaml)과 Prime Intellect Prime Lab을 지원하며, ZML LLMD는 여러 하드웨어에서 실행을 지원함 - 개발자가 아닌 사용자는 로그인 없이 [chat.poolside.ai](https://chat.poolside.ai/)에서 웹 검색과 기본 코드 실행 기능을 이용할 수 있음 - 후속학습 전 **기본 모델 가중치**는 이메일 요청으로 제공함 ### 벤치마크 실행 조건 - 내부 Harbor Framework 포크와 [pool 에이전트 하네스](https://github.com/poolsideai/pool), 최대 500단계, 내부 샌드박스를 사용함 - SWE-bench Multilingual, SWE-Bench Pro, Terminal-Bench 2.1은 작업당 4회 실행의 평균 pass@1을 사용함 - DeepSWE v1.1과 SWE Atlas는 작업당 3회, Toolathlon Verified는 3회 실행 평균을 적용함 - SWE Atlas는 공개 방법론을 그대로 적용하고 Opus 4.5로 판정함 - Toolathlon Verified는 EC2의 복제 하네스와 사용자 정의 에이전트를 사용했으며, 공식 버전과 달리 매 평가 실행 후 환경을 완전히 초기화하고 복구함 - 샌드박스 선점 방지를 위해 CPU·메모리·저장공간 한도를 벤치마크별로 조정했으며 최소 2 CPU 코어, 메모리 8GB, 저장공간 25GB를 보장함 - 개별 작업 수정 사항은 [기술 보고서](https://poolside.ai/assets/laguna/laguna-m1-xs2-technical-report.pdf)에 정리돼 있음 ## Comments ### Comment 62227 - Author: neo - Created: 2026-07-22T23:35:32+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=48995261) - 지금 시험 중인데, 적어도 **DS4-Flash와 경쟁할 수준**은 맞아 보임. 작지만 의미 밀도가 매우 높은 C 테스트 코드베이스에서 예전에 gpt-5.2만 찾아냈던 문제를 발견했지만, `memfd_create()/mmap`을 IPC에 썼다는 황당한 오판도 내렸고 Sol 역시 내가 짚기 전까지 놓쳤음 DeepSeek V4와의 비교는 Flash와 Pro 모두 곧 충분한 후속 학습을 거쳐 정식 출시될 예정이라 현재처럼 빠르게 변하는 환경에서는 순식간에 달라질 수 있음. 계속 이런 모델이 나오길 바람 - 어떤 **테스트 하네스와 양자화 방식**을 사용했는지 궁금함 - 대단하며 오늘 출시된 것 중 단연 돋보이고, Google의 신제품들을 압도하는 수준임. 특히 **가격 경쟁력**이 놀랍고, DeepSeek V4 Flash와 겨룰 만한 첫 미국산 모델이라 기대가 큼 - 이 모델은 장난이 아니며, 벌써 실제 작업에 쓸 수 있는 **PR 하나**를 만들어냄 [https://github.com/mozilla-ai/otari/pull/348]() - 인상적이고, 이 크기라면 현실적인 가정용 하드웨어에서도 구동 가능해 보임. 성능 저하를 감수하더라도 **64GB 환경용 양자화**가 나오면 좋겠음 Qwen 3.5 122B의 2비트 버전도 괜찮았다는 평가가 있었고 이 모델은 출발점이 더 높으니 시험할 가치가 있음. 이미 작업 중인 사람이 있음: [https://huggingface.co/vcruz305/Laguna-S-2.1-GGUF]() - 흥미롭게도 다양한 **양자화 버전을 벤치마크**한 프로젝트가 있음: [https://github.com/tanishq-dubey/macos-laguna-s2.1]() - 더 작은 **Laguna XS 2.1 33B**도 공개됐고, Q4 GGUF 크기는 20GB임 [https://huggingface.co/poolside/Laguna-XS-2.1-GGUF/tree/main]() - `Q4_K_M`도 75GB라서 64GB 환경이라 해도 더 낮게 양자화하지는 않을 것 같음. 대신 **가중치 일부만 메모리에 상주시킨 뒤** 나머지는 SSD에서 스트리밍하는 편이 나음 - 언제나 해결사 역할을 하는 **unsloth 버전**도 나옴: [https://huggingface.co/unsloth/Laguna-S-2.1-GGUF]() - 내가 쓰는 `llm-compressor`는 **메모리에 들어가지 않는 모델도 양자화**할 수 있으며, 순차 파이프라인을 사용하면 됨 [https://github.com/vllm-project/llm-compressor]() 설정 예시는 [https://github.com/verdverm/quantr]()에 있음. 다만 Poolside가 모델과 함께 양자화본과 dflash를 공개해 이제는 필요 없을 수도 있음 - **118B 매개변수에 8B만 활성화되는 MoE**, 긴 문맥 추론, 공개 가중치라니 반가운 조합임. 처음 듣는 연구소지만 모델 크기와 성능의 최적 지점에 가까워 보여 꼭 시험해보고 싶음 - 공개된 **성능 수치가 사실**이라면 바라던 모델이 마침내 나온 셈임 - 현실적인 자체 호스팅, 충분한 지능, 제한된 메모리 대역폭에서도 빠른 MoE를 갖춘 **중간급 모델**이 정확히 필요했음 그동안 Strix Halo에서는 듀얼 32GB GPU 데스크톱으로 돌리는 Gemma 4나 Qwen 3.6 밀집 모델보다 확실히 나은 선택지가 없었는데, 이 모델은 실제 성능 향상을 줄 만한 크기로 보임 - 모델을 시험할 때 주의해야 함. 기본 설정에서는 **추론 기능이 제대로 활성화되지 않아** 결과에 실망하거나 벤치마크 과장이라고 판단할 수 있음 vLLM 실행 설정에 `--default-chat-template-kwargs '{"enable_thinking": true}'`를 넣어도 활성화되지 않았으며, 포함된 `generation_config.json`의 `max_new_tokens` 기본값이 32k라 추론을 잘라버리는 듯하므로 늘려야 함. 추론을 켜니 코드 품질이 크게 좋아졌고, 실제 작업에서의 추가 검증은 필요함 [https://www.reddit.com/r/LocalLLaMA/comments/1v2pg99/laguna_...]() - 이 글이 올라온 직후 Hugging Face의 **기본 채팅 템플릿**이 추론을 기본 활성화하도록 수정된 듯함 - OpenRouter의 **공식 제공 모델**에도 같은 문제가 있는 듯하며, 쉽게 고쳐지길 바람 - 실행 설정을 조정하니 결과가 크게 달라졌음 - **128B 모델이 1.6T 규모의 DeepSeek V4**를 대부분의 코딩 벤치마크에서 이긴다는 건 매우 인상적인 신호임 Poolside가 비슷한 체급의 모델뿐 아니라 2.5T Kimi-K3처럼 훨씬 큰 최상위 공개 가중치 모델과도 비교하는 방식이 마음에 듦. Mistral을 비롯한 다른 곳도 이렇게 했으면 함 - 약 일주일 전 로컬 코딩 하네스 `pool`과 **33B MoE 모델**을 발견하면서 Poolside를 처음 알게 됐음. 오래된 32GB Mac mini에서도 빠르고 효과적으로 작동했으며, 대형 호스팅 모델도 평가해볼 생각임 - 해당 페이지에 안내된 **Poolside 채팅**은 여기서 사용할 수 있음: [https://chat.poolside.ai]()