Laguna S 2.1のアーキテクチャとパラメータ数は何か

Laguna S 2.1は118BパラメータのMixture-of-Expertsモデルで、1トークンあたり8Bのアクティブパラメータのみを有し、最大100万トークンのコンテキストウィンドウをサポートする。

Laguna S 2.1にはどこからアクセスできるか

このモデルはHugging Faceでオープンウェイトとして利用可能で、GGUFビルドはカスタムllama.cppフォークが必要となる。

Laguna S 2.1の報告されているベンチマークスコアはいくつか

報告されているスコアはTerminal-Bench 2.1で70.2%、SWE-bench Multilingualで78.5%、SWE-Bench Proで59.4%、DeepSWEで40.4%、SWE Atlas Codebase Q&Aで46.2%、Toolathlon Verifieで49.7%。

大規模言語モデルLatent Space2026年7月23日2026年7月23日 16:01

Laguna S 2.1公開、118Bが低コストで対抗

LINEで送る

3つのポイント

何が起きたか
Poolside AIがLaguna S 2.1をリリースした。118Bの総パラメータと1トークンあたり8Bのアクティブパラメータを持つオープンウェイトモデルで、最大100万トークンのコンテキストウィンドウに対応している。Hugging Faceで利用可能で、GGUFビルドはカスタムllama.cppフォークが必要。
なぜ重要か
コメント欄では、Laguna S 2.1が120B級で最強のアメリカ製オープンウェイトモデルと評価されており、MiniX M3やDeepseek v4 Proを上回るベンチマーク性能を低コストで実現している可能性がある。報告されている効率改善が実現すれば、Qwenなどのチームにおいて120B規模の競争モデルリリースを促す可能性があり、オープンソースのパラメータ効率化が進展していることを示すことになる。
注目点
独立したインファレンステストとコミュニティからの定性的評価結果により、Laguna S 2.1の報告されたベンチマークスコアが真の効率改善を反映しているか、それともベンチマーク最適化によるものかが明らかになる。学習焦点外の実務的なコーディングとは推論タスクでのパフォーマンスはまだ検証されていない。

わからないところ、AIに聞けます

こういう要約が、毎朝あなたのメールに届きます。

こうしたAIニュースを毎朝無料で受け取る LINEで友だち追加して受け取る

背景と解説

Laguna S 2.1は、オープンウェイトモデルが生の性能だけでなくパラメータ効率とコスト・パフォーマンストレードオフで評価される競争環境に参入する。コミュニティコメント者により、Deepseek v4 Proと同等かそれ以上のパフォーマンスを報告されながらより安価であると位置付けられたモデルの報告ベンチマーク性能は、オープンソースAIコミュニティが成功をどう測定するかの広範な転換を反映している。このリリースは、局所展開可能で性能と推論コストのバランスを取るモデルへの需要の高まりの中で現れており、これは開発者ツールとコスト管理戦略全体の業界中心的な関心事となっている。

Laguna S 2.1を120B級で最強のアメリカ製オープンウェイトモデルと位置付けることは、モデル規制と蒸留疑惑に関する同時進行の議論の文脈において地政学的な重みを持つ。コミュニティメンバーは、強力なアメリカ製オープンソースリリースが中国モデルへの依存を減らし、確立されたチームに中規模モデル空間での競争をより積極的に強いる可能性があると推測した。しかし、本論は重要な技術的課題が未解決のままであることに注記している。Laguna S 2.1の報告されている効率改善が、真のアーキテクチャまたは学習の進歩を反映しているか、それともモデルが報告している特定のベンチマークに対して大きく最適化されているかである。

よくある質問

Laguna S 2.1のアーキテクチャとパラメータ数は何か: Laguna S 2.1は118BパラメータのMixture-of-Expertsモデルで、1トークンあたり8Bのアクティブパラメータのみを有し、最大100万トークンのコンテキストウィンドウをサポートする。
Laguna S 2.1にはどこからアクセスできるか: このモデルはHugging Faceでオープンウェイトとして利用可能で、GGUFビルドはカスタムllama.cppフォークが必要となる。
Laguna S 2.1の報告されているベンチマークスコアはいくつか: 報告されているスコアはTerminal-Bench 2.1で70.2%、SWE-bench Multilingualで78.5%、SWE-Bench Proで59.4%、DeepSWEで40.4%、SWE Atlas Codebase Q&Aで46.2%、Toolathlon Verifieで49.7%。

Latent Space元記事を読む

LINEで送る