Poolside 在三个月内推出第三款代码模型 Laguna S 2.1，其核心思路并非堆参数，而是让模型学会在长时间自主编程中“不放弃”。
发生了什么
Poolside 于近日发布 Laguna S 2.1，这是一款开放权重的代码生成模型。与前代相比，该模型在训练中强化了“自我检查”与“策略修正”能力——当代码执行失败时，模型会主动尝试替代方案，而非直接放弃。在多项代码生成基准测试中，Laguna S 2.1 以较小的参数量击败了多个更大规模的竞品模型。此外，Poolside 宣称该模型仅用不到10美分的计算成本，便解决了一个自1975年以来未被攻克的数学问题。
为什么重要
当前代码模型竞赛多聚焦于扩大模型规模，但 Poolside 选择了另一条路径：提升模型在长周期任务中的“韧性”。许多代码模型在遇到编译错误或测试失败时会迅速输出错误答案，而 Laguna S 2.1 通过训练学会了持续迭代。这一思路对于实际软件开发中的复杂、多步骤任务尤为关键——真实场景中，代码往往需要多次调试才能运行。此外，以极低成本解决长期悬而未决的数学问题，展示了小模型在特定推理任务上的潜力，可能降低对大规模算力的依赖。
影响与看点
对于开发者而言，Laguna S 2.1 的开放权重意味着可以本地部署或微调，无需依赖昂贵 API。其“自我纠错”能力有望减少人工介入，提升自动化编程的可靠性。行业层面，这一成果可能促使更多团队关注“推理策略”而非单纯扩大模型。值得关注的是，Poolside 能否将这种能力泛化到更广泛的编程任务，以及其训练方法是否可复现。独立判断：在代码模型领域，训练策略的优化或许比参数竞赛更具长期价值。
