poolside

两个AI编码智能体构建马里奥游戏的对比：Poolside agent中的Laguna S 2.1耗时62分钟，具备自我纠正能力并通过测试，而之前的Qwen模型耗时数小时且需要人类帮助；突出展示了oracle纪律和原生测试框架的优势。

Poolside AI联合创始人Eiso Kant讨论了他们的“模型工厂”方法，用于快速训练前沿模型，Laguna S 2.1的发布，以及AI模型开发的经济学。

一条推文强调了PoolsideAI非同寻常的开放性，称赞他们发布了一个小型编码模型、发表了论文以及完整的评估数据集，为AI领域的透明度树立了标准。

Poolside 发布了 Laguna S 2.1，这是他们最擅长处理长周期任务的模型，同时在 Hugging Face 上提供了多种量化变体（FP8、NVFP4、INT4、DFlash、GGUF）。

Poolside发布了Laguna S 2.1，用户购入了3块AMD V620 GPU，总计96 GB显存。

Poolside 发布了 Laguna S 2.1，这是一个 118B 参数的混合专家模型，每个 token 激活 8B 参数，拥有 1M 上下文窗口，声称可以击败体积是其三倍的模型，例如 DeepSeek v4 Pro、Gemini 3.6 Flash 和 Thinking Machines Inkling。

poolside发布了Laguna-S-2.1，一个拥有1200亿参数的新语言模型，在大语言模型领域成为强有力的竞争者。

Poolside发布了Laguna S 2.1 AI模型的GGUF量化版本，包括一个DFlash投机解码草稿模型，支持通过llama.cpp进行高效的本地推理。

Poolside 发布 Laguna XS.2，这是一个拥有 33B 总参数、3B 激活参数的 MoE 模型，专为智能体编码设计，可在配备 36GB RAM 的 Mac 上本地部署。