Poolside が7月に発表した Laguna S 2.1 は、小型言語モデルの可能性を大きく広げるニュースです。わずか118億パラメータ（アクティブは80億）の混合エキスパート構造でありながら、Tencent Hy3（295B）やDeepSeek-V4といった大型モデルをベンチマークで上回る性能を実現しています。

「規模」から「思考」へのシフト

Laguna S 2.1 の最大の工夫は、単純なパラメータ数の競争ではなく思考モードの導入にあります。思考モード有効時は Terminal-Bench 2.1 で70.2%の Pass@1 スコアを達成し、無効時の60.4%から大幅に向上。これにより、より大規模なモデルを必要としない道を開きました。

思考モードの中身は、検証の増加、一度の失敗で放棄しない継続的なアプローチ、仮定を減らすというシンプルながら強力なプリンシプルです。

開発効率と実用性

Laguna S 2.1 は開発プロセスにおいても注目に値します。409,000 環境での後学習で、83,000 ターミナルタスクと 168,000 ソフトウェア工学ワークフローを通じて鍛えられました。学習ソースには 17,000 リポジトリから抽出した 38,000 実コミットが含まれており、現実のコード開発に基づいた学習設計が見てとれます。

実績として、Laguna S 2.1 はブラウザエンジン（HTML・CSS 対応）をわずか 50 分で構築し、1975 年からの未解決問題（Erdos の問題 #397）を独立して再発見。この問題への推論には 283,981 トークンを消費しましたが、コストはわずか 0.088 ドルです。小型モデルの低コスト実行が、今後の企業導入を現実的にします。

アクセスと利用可能性

オープンウェイト（Open MDW 1.1 ライセンス）として Hugging Face で公開されており、Baseten・Vercel AI Gateway・OpenRouter などのホスティングプラットフォームでも即座に利用可能です。単一 Nvidia DGX Spark で動作する軽量性も、自社環境での導入コストを大幅に削減できる要因になります。

読者への意味

開発チームや企業にとって、Laguna S 2.1 は効率性と性能のバランスをあらためて問い直すモデルです。大型モデルと同等の結果を低コストで得られる選択肢が増えることで、AI ツール選定の自由度が広がります。思考モードのような「追加学習」アプローチは、今後の小型モデル開発のトレンドになる可能性も高いでしょう。