Poolside Laguna: версии, бенчмарки, цены и запуск

Poolside Laguna — семейство текстовых моделей для программирующих агентов: они читают репозиторий через инструменты, меняют файлы, запускают команды и проверяют тесты. На 6 сентября 2026 года разумный выбор сводится к двум моделям: Laguna XS 2.1 для быстрого и локального запуска и Laguna S 2.1 для сложных многошаговых задач. Более крупная Laguna M.1 всё ещё поддерживается и получила открытые веса, но S 2.1 новее, сильнее в актуальных тестах и активирует меньше параметров. Laguna XS.2 нужна в основном для воспроизводимости старых экспериментов: в прямом API её заменила XS 2.1.

Главное преимущество Laguna — открытые веса, длинный контекст и низкая цена hosted-версий. Главный риск — зависимость от агентской оболочки. Высокий результат в pool, родном агенте Poolside, не гарантирует такое же поведение в Cline, Claude Code-совместимой оболочке или самописном tool loop. Перед выбором нужно тестировать не чат, а свой репозиторий, свои инструменты и точную версию inference runtime. Для выбора оболочки и среды разработки полезно сравнить доступные ИИ-сервисы для программирования.

Цены, endpoint и доступность ниже проверены 6 сентября 2026 года. Бесплатные маршруты временные, скидки могут измениться.

Что такое Laguna и что ею не является

Poolside обучает Laguna как foundation models для software engineering. Все выпущенные модели — Mixture of Experts (MoE): в памяти хранятся все веса, но для каждого токена работает только часть экспертов. Обозначение 118B-A8B означает примерно 118 млрд параметров всего и около 8 млрд активных на токен. Это снижает вычислительную нагрузку, но не превращает 118B-модель в файл размером 8B.

У названий Poolside есть несколько уровней:

Название	Что это	Что не следует из названия
Laguna XS.2, XS 2.1, S 2.1, M.1	Конкретные модели и checkpoints	Тариф, хост и агентская оболочка
pool	Терминальный coding agent и клиент/сервер Agent Client Protocol (ACP)	Отдельная модель
Shimmer	Облачная среда для сборки веб-приложений, API и CLI	Новая версия Laguna
chat.poolside.ai	Веб-чат с поиском и базовым выполнением кода	Нативное зрение или встроенный браузер в весах
Poolside API, OpenRouter, Vercel, Baseten	Способы получить inference	Новый checkpoint при каждом алиасе

Модальность у Laguna одна: текст на входе, текст на выходе. Она не видит скриншоты и не принимает аудио. Если агент открывает веб-страницу, читает файл или выполняет тест, это делает инструмент вокруг модели.

Все версии Laguna без путаницы в названиях

Текущая таблица Poolside включает Laguna S 2.1, XS 2.1 и M.1. История семейства содержит ещё XS.2.

Модель	Дата релиза	Параметры	Контекст	Hosted model ID	Веса	Текущий смысл
Laguna XS.2	28 апреля 2026; 256K с 26 мая	33B-A3B	262 144	poolside/laguna-xs.2	poolside/Laguna-XS.2, Apache 2.0	Предыдущая XS; direct API sunset объявлен в июле
Laguna M.1	28 апреля 2026; 256K с 26 мая	225B-A23B	262 144	poolside/laguna-m.1	poolside/Laguna-M.1, Apache 2.0	Крупная модель первого поколения, сейчас open-weight
Laguna XS 2.1	2 июля 2026	33B-A3B	262 144	poolside/laguna-xs-2.1	poolside/Laguna-XS-2.1, OpenMDW-1.1	Быстрая актуальная XS для local и API
Laguna S 2.1	21 июля 2026	118B-A8B	до 1 048 576	poolside/laguna-s-2.1	poolside/Laguna-S-2.1, OpenMDW-1.1	Актуальная сильнейшая Laguna

Точка в XS.2 важна. XS 2.1 — не альтернативное написание того же имени, а новый post-trained checkpoint с более сильным multilingual coding, terminal-задачами и другой лицензией.

Laguna XS.2

XS.2 стала первым открытым релизом Poolside. В ней 40 слоёв: 10 с global attention и 30 со sliding-window attention, 256 routed experts плюс один shared expert, 33 млрд параметров всего и 3 млрд активных. В мае hosted-конфигурацию расширили до 256K.

Модель остаётся доступной как Apache 2.0 checkpoint, но 2 июля Poolside предупредила, что уберёт XS.2 из собственного API через неделю. Для нового проекта выбирать её незачем. Исключения — повтор старого теста, сохранённая интеграция или dedicated deployment в Baseten.

Laguna M.1

M.1 — 225B-A23B MoE из 70 слоёв. После трёх dense-слоёв идут 67 sparse MoE-слоёв с 256 экспертами и top-16 routing. При апрельском запуске Poolside предлагала веса M.1 организациям по запросу. Сейчас официальная коллекция M.1 открыта под Apache 2.0 и содержит post-trained, base, FP8 и NVFP4 варианты.

Дата модели от этого не меняется: M.1 выпущена 28 апреля. Коллекция помечена обновлением 21 июля, а отдельные репозитории — 14 июля. Публичного объявления, которое позволило бы точнее назвать день открытия весов, найти не удалось.

Laguna XS 2.1

XS 2.1 сохранила класс 33B-A3B и 256K, но получила обновлённый post-training. Poolside заявляет рост SWE-bench Multilingual с 57,7% до 63,1% и Terminal-Bench 2.0 с 35,7% до 37,5%.

Коллекция XS 2.1 содержит BF16, FP8, INT4, NVFP4, GGUF и отдельные DFlash speculator models. DFlash — малая draft-модель для speculative decoding, а не «Laguna XS 2.2» и не более умный checkpoint.

Laguna S 2.1

S 2.1 масштабирует второе поколение до 118B-A8B: 48 слоёв, 256 routed experts плюс один shared, 12 global-attention и 36 sliding-window слоёв. Полный контекст — 1 048 576 токенов. Карточка S 2.1 публикует BF16, FP8, INT4, NVFP4, GGUF, MLX и DFlash-варианты.

Это не просто промежуточный размер между XS и M. Новый post-training учит модель дольше держать цель, возвращаться после неудачного подхода и проверять результат. Poolside называет S 2.1 самой сильной моделью семейства, несмотря на меньший общий и активный размер относительно M.1.

Контекст, reasoning и tool use

У Laguna есть native reasoning с рассуждением до и между вызовами инструментов. Poolside называет режим thinking. Для агентского цикла важны три детали.

Первая — сохранять прошлое рассуждение. Если клиент получает reasoning_content или reasoning_details, но при следующем запросе возвращает только финальный текст, модель может перестать корректно рассуждать после tool call.

Вторая — не путать длину контекста и длину ответа. Контекст включает промпт, историю, tool results, reasoning и завершение. На OpenRouter платная S 2.1 допускает 1 048 576 токенов суммарного контекста и до 131 072 completion tokens; бесплатная S и обе XS-маршрута — 262 144 и до 32 768. Это ограничения конкретного провайдера. Poolside не публикует универсальный max output для прямого API.

Третья — проверять tool parser. В API доступны tools и автоматический выбор инструмента, но единственный текущий OpenRouter endpoint не обещает принудительные режимы required и выбор конкретной функции. У S 2.1 есть известная склонность запоминать формат родного harness и ошибаться в похожей схеме стороннего агента. Poolside также отмечает некорректное экранирование вложенных JSON-массивов в некоторых tool calls. Читать полный обзор сервиса OpenRouter.

Возможность	XS.2	M.1	XS 2.1	S 2.1
Text input/output	Да	Да	Да	Да
Изображения, аудио, видео	Нет	Нет	Нет	Нет
Interleaved thinking	Да	Да	Да	Да
Thinking on/off	Да	Да	Да	Да
Low/medium/high effort	Не заявлено	Не заявлено	Не заявлено	Нет, только off/max
Tool calling	Да, через совместимый harness	Да	Да	Да
Предпочтительный агент	pool или проверенный OpenAI-compatible loop	pool	pool	pool; сторонний harness тестировать отдельно

Что показывают бенчмарки

Числа ниже полезны для предварительного выбора, но это результаты Poolside, а не единая независимая лига. M.1 и XS.2 опубликованы в техническом отчёте 25 мая; XS 2.1 — в релизе 2 июля.

Модель	Дата таблицы	SWE-bench Verified	SWE-bench Multilingual	SWE-Bench Pro public	Terminal-Bench 2.0
Laguna XS.2	25 мая 2026	69,9%	57,7%	46,3%	35,7%
Laguna M.1	25 мая 2026	74,6%	63,1%	49,2%	45,8%
Laguna XS 2.1	2 июля 2026	70,9%	63,1%	47,6%	37,5%

Для S 2.1 Poolside перешла на часть более новых тестов, поэтому честнее держать отдельную таблицу.

Тест	Версия/срез	Laguna S 2.1	Условия публикации
Terminal-Bench	2.1, 21 июля 2026	70,2%	max thinking; 60,4% без thinking
SWE-bench Multilingual	срез Poolside, 21 июля	78,5%	pool, до 500 шагов
SWE-Bench Pro	public dataset, 21 июля	59,4%	pool, patched images/verifiers
DeepSWE	leaderboard-era срез, 21 июля	40,4%	max thinking; 16,5% без thinking
SWE Atlas	Codebase Q&A, 21 июля	46,2%	три попытки на задачу
Toolathlon	Verified, карточка дополнена 2 сентября	49,7%	три попытки на задачу

Почему цифры нельзя читать как турнирную таблицу моделей

Poolside запускала Laguna через Laude Harbor со своим агентом pool, максимумом 500 шагов и sandbox. Для большинства тестов считался средний pass@1 по нескольким попыткам. Terminal-Bench получал больше CPU и RAM, чем остальные задачи. Часть базовых образов и verifier была исправлена из-за инфраструктурных сбоев.

Сравнительные столбцы в релизах собраны из максимального доступного результата конкурента: собственного отчёта вендора, официального leaderboard или Artificial Analysis. Harness у моделей мог отличаться. В DeepSWE Poolside прямо сопоставляет свой pool с результатами, часто полученными в mini-swe-agent.

Есть и риск contamination: задачи SWE-bench публичны, а post-training coding-модели использует историю открытых репозиториев. Poolside проверяла reward hacking и публикует траектории S 2.1, но это не доказывает, что модель никогда не видела близкий паттерн задачи.

На проверенной официальной SWE-bench leaderboard отдельного воспроизведения Laguna в унифицированном bash-only mini-SWE-agent не было. Artificial Analysis запускает Terminal-Bench 2.1 через Terminus 2 и три повтора — это другой harness. Поэтому корректная формулировка: «Poolside сообщает 70,2%», а не «независимый тест доказал лидерство».

Laguna против близких альтернатив

Эта матрица не пытается назвать абсолютного победителя. Она показывает, когда ограничение Laguna меняет выбор.

Модель	Размер	Контекст	Модальности	Открытые веса	Проверенная API-цена input/output за 1M	Причина выбрать
Laguna XS 2.1	33B-A3B	256K	Text	OpenMDW-1.1	OpenRouter $0,06/$0,12	Быстрый local coding agent, дешёвый output, 36–64 GB unified RAM
Qwen3.6-35B-A3B	35B-A3B	256K native, расширяемый	Text + vision	Open weights	OpenRouter $0,05/$0,70	Нужны скриншоты/изображения или лучший результат в таблице Qwen: 73,4% SWE Verified и 51,5% Terminal 2.0
Devstral Small 2	24B dense	256K	Text + image	Apache 2.0	Mistral $0,10/$0,30	Нужен vision, простой dense deployment и привычный Mistral/Vibe stack
Laguna S 2.1	118B-A8B	до 1M	Text	OpenMDW-1.1	OpenRouter $0,09/$0,18	Нужен сильный text-only agent, длинная trajectory и есть 66–192+ GB memory либо hosted API
DeepSeek V4 Flash	284B-A13B	1M hosted	Text; vision — отдельный experimental ID	Open weights	Текущая цена не зафиксирована	Нужен альтернативный 1M-provider; локально заметно тяжелее XS/S

Qwen и Mistral тоже публикуют результаты в собственных scaffold. Даже одинаковая надпись SWE-bench Pro не гарантирует одинаковые task patches и бюджет. Для выбора между XS 2.1 и Qwen3.6 лучше один раз прогнать одинаковый агент и свежие задачи, чем вычитать два процента из разных пресс-релизов.

Где запускать Laguna в 2026 году

Poolside API напрямую

Прямой base URL — https://inference.poolside.ai/v1. API Poolside предоставляет OpenAI-compatible GET /v1/models и POST /v1/chat/completions. Для нового проекта model ID нужно брать из /v1/models после получения ключа: доступ может зависеть от аккаунта.

Публичные материалы называют бесплатный ограниченный доступ и платные endpoints, но полного текущего тарифа, числовых rate limits, SLA и max output по каждой модели на странице API нет. У M.1 особенно важно не строить production-план на словах «free for a limited time».

OpenRouter

OpenRouter удобен для сравнения в одном OpenAI-compatible endpoint. На 6 сентября у Laguna два активных семейства и один провайдер за каждым маршрутом — Poolside.

OpenRouter ID	Контекст	Max output	Input / 1M	Output / 1M	Cache read / 1M
poolside/laguna-xs-2.1	262 144	32 768	$0,06	$0,12	$0,03
poolside/laguna-xs-2.1:free	262 144	32 768	$0	$0	Не заявлен
poolside/laguna-s-2.1	1 048 576	131 072	$0,09	$0,18	$0,009
poolside/laguna-s-2.1:free	262 144	32 768	$0	$0	Не заявлен
poolside/laguna-m.1	В каталоге, но 0 endpoints	—	—	—	—

Это текущие скидочные цены каталога Poolside в OpenRouter. В релизах Poolside указаны list prices: XS 2.1 — $0,10/$0,20/$0,05, S 2.1 — $0,10/$0,20/$0,01. Не переносите скидку OpenRouter на прямой счёт Poolside.

Общие лимиты :free: 20 запросов в минуту и 50 в сутки, если за всё время куплено меньше $10 кредитов; после покупки не менее $10 — 1 000 бесплатных запросов в сутки. Upstream capacity может урезать доступ дополнительно.

Vercel AI Gateway

Vercel AI Gateway предоставляет S 2.1 как poolside/laguna-s-2.1 с 1M и poolside/laguna-s-2.1-free с 256K. Обратите внимание на -free: это не OpenRouter ID с :free. Платная цена — $0,10 input и $0,20 output за 1M. Маршрут удобен проектам на AI SDK, но фактический inference всё равно выполняет Poolside. Читать полный обзор сервиса Vercel.

Baseten и NVIDIA NIM

Baseten Model Library предлагает deployable S 2.1, XS 2.1, M.1 и legacy XS.2. После deployment пользователь получает свой base URL и вызывает OpenAI-compatible API. Публичная карточка не показала универсальный serverless тариф: стоимость зависит от конфигурации и времени GPU.

NVIDIA NIM содержит XS 2.1 с ID poolside/laguna-xs-2.1. Playground/prototype требует аккаунт и ключ. Публичной production-цены в карточке нет.

Together и Fireworks встречаются в общих списках inference-платформ, но текущего официального Laguna endpoint у них найти не удалось. Наличие сервиса не означает наличие этой модели.

Локальный запуск

Для local-first сценария выбирайте официальные Hugging Face checkpoints или Ollama library. Основные runtime:

• Ollama/MLX — простой старт на Apple Silicon;
• llama.cpp — GGUF и CPU/GPU offload, но сверяйте поддержку Laguna и chat template в конкретном build;
• vLLM — OpenAI-compatible сервер на NVIDIA и других поддерживаемых ускорителях;
• SGLang — альтернативный высокопроизводительный server;
• TensorRT-LLM — NVIDIA deployment, где критична совместимая pre-release/stable версия;
• Transformers — исследования и проверка checkpoint; крупные варианты удобнее обслуживать через inference engine.

Официальные карточки указывают poolside_v1 reasoning/tool parser для vLLM и SGLang. На старых builds parser мог пропускать tool calls или не отделять reasoning. Сначала зафиксируйте версию runtime, затем проверяйте один tool call и многошаговую цепочку.

Сколько памяти нужно локально

Есть два разных ответа: размер весов для домашнего запуска и консервативный planning estimate Poolside для поддерживаемого enterprise inference.

Модель	Доступные официальные ориентиры	Практический вывод
XS 2.1	Mac с 36 GB RAM; Ollama Q4/NVFP4 около 20 GB, Q8 36 GB, BF16 67–68 GB; Poolside FP8 planning 96 GB	36–64 GB unified/system memory — разумная локальная зона; 24 GB GPU может вместить узкий 4-bit вариант, но это inference, а не гарантия полного 256K
S 2.1	BF16 weights около 236 GB; Ollama NVFP4 MLX около 66 GB, Q4 около 96 GB; FP8 planning 192 GB; заявлен запуск на DGX Spark 128 GB	Для серьёзного local agent лучше 96–128+ GB; 1M context требует дополнительной KV memory
M.1	FP8 planning 384 GB; BF16 — крупный multi-GPU checkpoint	Датацентр или dedicated deployment; consumer single-GPU нецелесообразен

Planning table Poolside не является минимальным требованием. Она учитывает поддерживаемую конфигурацию, но не фиксирует concurrency, batch и длину контекста. Для Kubernetes компания советует ориентироваться минимум на 8 CPU cores на GPU и host RAM не меньше суммарной GPU memory.

Файл Q4 размером 20 GB не означает, что модель с 256K заработает в 20 GB: нужны runtime buffers и KV cache. Чем длиннее история и больше параллельных агентов, тем выше расход.

Цена типовых задач

Расчёты используют скидочные цены OpenRouter на 6 сентября. Один «запрос агента» обычно состоит из многих API calls, поэтому итоговый счёт — сумма всей траектории.

Сценарий	XS 2.1	S 2.1	Комментарий
50K input + 10K output	$0,0042	$0,0063	Короткий анализ или исправление
500K input + 100K output	Не помещается в один 256K request	$0,063	Требуется платная S с 1M
200K cache read + 30K нового input + 20K output	$0,0102	$0,0081	У S очень дешёвый cache-read
400K cache read + 100K нового input + 50K output	Не помещается в один XS request	$0,0216	Сценарий длинной S-сессии

Reasoning часто тарифицируется как output. Модель с max thinking может оказаться дороже простой формулы «текст ответа × цена»: считайте usage всего completion, а не только видимый финал.

Hosted Laguna дёшева настолько, что локальный сервер редко окупается только токенами. Self-hosting выбирают ради приватности, фиксированной доступности, экспериментальных checkpoints, контроля latency или постоянной высокой загрузки.

Приватность, ZDR и доступ из регионов

Privacy Policy Poolside допускает использование данных для улучшения сервисов и обучения моделей, если пользователь не отказался, и не называет фиксированный срок хранения API prompts. OpenRouter в общей таблице провайдеров помечает Poolside как «не обучает на prompts», но срок хранения считает неизвестным. Описание бесплатных Laguna в каталоге отдельно предупреждает, что input/output бесплатных запросов могут использоваться для обучения.

Публичные формулировки конфликтуют. Практическое правило простое: не отправляйте закрытый код, токены, дампы production и персональные данные в free endpoint. Для коммерческого проекта запросите Data Processing Addendum, письменное подтверждение training opt-out, срок retention и место обработки.

Poolside endpoint не помечен как подтверждённый Zero Data Retention. OpenRouter хранит request metadata, а content logging у него выключен по умолчанию; это не отменяет политику upstream. Enterprise OpenRouter предлагает EU/US in-region routing по запросу, но публичного подтверждения, что оно распространяется на Laguna, нет.

Poolside не публикует список стран, Russia-specific доступность, регион hosted inference или способы оплаты по странам. Поэтому нельзя обещать работу из России. Если география и конфиденциальность критичны, предсказуемый путь — локальный или self-managed deployment после проверки возможности скачать веса и соблюдения лицензии.

Как выбрать модель под задачу

Задача	Выбор	Почему
Локальный агент на Mac/рабочей станции	XS 2.1	33B-A3B, официальные кванты, 256K
Быстрые PR fixes, тесты, рефакторинг	XS 2.1 hosted или local	Дешевле и быстрее; качество проверяется на вашем harness
Длинный аудит большого monorepo	S 2.1 paid	1M route и лучшее long-horizon поведение
Многошаговый coding research	S 2.1 max thinking	Самые сильные текущие результаты Laguna, но нужен большой timeout
Воспроизведение исследования апреля–мая	XS.2 или M.1 exact checkpoint	Совпадает с исходной моделью и sampling settings
Нативный анализ скриншотов	Не Laguna	Выберите multimodal Qwen/Devstral или добавьте отдельную vision-модель
Строгий ZDR/регулируемый код	Self-hosted Laguna или договорной deployment	Public hosted Poolside ZDR не подтверждён

M.1 имеет смысл, если существующая система уже проверена именно на ней, нужна её base-модель для исследований или результаты лучше на вашей внутренней выборке. Выбирать её только потому, что 225B больше 118B, не стоит.

Интеграция с coding agent

Для прямого API используется OpenAI-compatible Chat Completions:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["POOLSIDE_API_KEY"],
    base_url="https://inference.poolside.ai/v1",
)

response = client.chat.completions.create(
    model="poolside/laguna-s-2.1",
    messages=[
        {"role": "system", "content": "Ты coding agent. Сначала изучи репозиторий, затем меняй файлы и проверяй тестами."},
        {"role": "user", "content": "Найди причину гонки в checkout и подготовь минимальный патч."},
    ],
    tools=[
        {
            "type": "function",
            "function": {
                "name": "shell",
                "description": "Выполнить команду в изолированном checkout",
                "parameters": {
                    "type": "object",
                    "properties": {"cmd": {"type": "string"}},
                    "required": ["cmd"],
                },
            },
        }
    ],
    stream=True,
)

Код только показывает форму запроса: tool executor, разрешения и возврат результатов нужно реализовать отдельно. Не давайте модели произвольный shell в production. Ограничьте workspace, network, secrets и destructive commands.

Для pool с собственным OpenAI-compatible endpoint используются POOLSIDE_STANDALONE_BASE_URL, POOLSIDE_STANDALONE_MODEL и POOLSIDE_API_KEY. Для редакторов агент можно подключать по ACP. OpenRouter и Vercel позволяют подставить свои base URL и model ID; не переносите :free между провайдерами автоматически.

Рабочие шаблоны промптов

Для исправления бага:

Цель: исправить <симптом> в <путь/модуль>.
Готово, когда: воспроизводящий тест падает до патча и проходит после него,
а существующий набор <команда> остаётся зелёным.
Ограничения: не менять публичный API, зависимости и несвязанные файлы.
Сначала найди data flow и покажи краткую гипотезу. Затем внеси минимальный патч,
запусти проверки и перечисли непроверенное.

Для аудита репозитория:

Проверь <контур> на <класс ошибок>. Не исправляй код.
Для каждой находки дай путь и строку, вход, опасный переход, наблюдаемый эффект,
условия воспроизведения и тест, который отличит реальную ошибку от гипотезы.
Игнорируй generated/vendor директории. Не делай вывод только по названию функции.

Для миграции:

Переведи <компонент> с <старое> на <новое>, сохранив <контракты>.
Работай этапами: инвентаризация зависимостей, совместимый слой, миграция вызовов,
удаление legacy только после тестов. После каждого этапа запускай <команды>.
Если документация и код расходятся, остановись и зафиксируй расхождение.

Laguna лучше работает, когда может проверить результат. «Сделай красиво» без файлов, тестов и definition of done хуже, чем короткий промпт с наблюдаемым критерием.

Воспроизводимый тест перед внедрением

Не пытайтесь повторить headline SWE-bench на пяти случайных задачах. Соберите свой небольшой набор, который отражает работу команды.

ID	Тип	Задача	Автоматическая проверка
T1	Bug fix	Реальная исправленная ошибка без merge commit в контексте	Новый regression test
T2	Multi-file refactor	Изменение интерфейса через 3–5 модулей	Unit + typecheck
T3	Terminal	Сборка проекта в чистом container	Exit code и артефакт
T4	Codebase Q&A	Найти data flow через несколько пакетов	Список обязательных фактов/путей
T5	Tool schema	Вызвать две функции с nested JSON	Валидный JSON и правильный порядок
T6	Recovery	Дать заведомо неработающий первый путь	Агент меняет подход и завершает тест

Зафиксируйте commit, container image, agent/harness version, tool schemas, permissions, model ID, quantization, context, thinking, temperature и лимит шагов. Делайте минимум три повтора на задачу. Для локальной модели сохраняйте hash checkpoint и runtime build.

Форма результата оставлена пустой специально:

| Модель/endpoint | Harness + версия | Thinking | T1 | T2 | T3 | T4 | T5 | T6 | Средняя цена | Медиана времени | Ошибки parser/loop | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | Laguna XS 2.1 | | | | | | | | | | | | | Laguna S 2.1 | | | | | | | | | | | | | Текущая production-модель | | | | | | | | | | | |

Помимо pass/fail считайте число невалидных tool calls, повторов одной команды, преждевременных заявлений «готово», объём reasoning/output и случаи изменения несвязанных файлов. Именно эти сбои определяют стоимость coding agent в production.

Вывод

Laguna в 2026 году — практичное семейство open-weight coding models, а не один загадочный «Poolside AI». XS 2.1 — лучший старт: локальные кванты, 256K и дешёвый hosted route. S 2.1 нужна, когда задача действительно длинная и сложная: она предлагает 1M-контекст, сильнее держит цель и стоит лишь немного дороже на токен. M.1 остаётся исследовательским и compatibility-вариантом; XS.2 — legacy.

Headline-бенчмарки подтверждают, что Poolside получила сильный результат для размеров моделей, но не заменяют проверку: оценки сняты в родном pool, с patched environments и несколькими попытками. Зафиксируйте harness, reasoning parser и checkpoint, прогоните свежие внутренние задачи, затем решайте между API и local deployment.

Hosted-вариант выигрывает ценой и простотой. Local/self-managed нужен, когда важны закрытый код, регион, фиксированный runtime или отсутствие доверия к неясному retention. Бесплатные endpoints подходят для прототипа на несекретных данных, а не для production-политики безопасности.