Poolside、エージェンティック・コーディング向けオープンソースAIモデル「Laguna XS.2」を発表
Poolside社は、エージェンティック・コーディングに特化したオープンソースAIモデル「Laguna XS.2」を発表しました。このモデルは、Apache 2.0ライセンスの下で公開され、330億の総パラメータと30億のアクティブパラメータを持つMixture-of-Experts (MoE) アーキテクチャを採用しており、単一GPUでの効率的なローカル実行を実現するように設計されています。
Laguna XS.2の革新的なアーキテクチャと技術詳細
Laguna XS.2は、そのサイズからは想像できないほどの高性能を発揮するために、複数の革新的な技術的特徴を備えています。まず、Mixture-of-Experts (MoE) アーキテクチャを採用しており、合計330億のパラメータを持つものの、トークンごとにアクティブ化されるパラメータはわずか30億に抑えられています。これにより、大規模モデルに匹敵する能力を維持しつつ、推論時の計算コストを大幅に削減しています。
さらに、このモデルは40層のうち30層でSliding Window Attention (SWA) を使用し、ヘッドごとのゲーティングを実装することで、高速な推論とKVキャッシュの低要求を実現しています。 また、KVキャッシュはFP8形式に量子化されており、トークンあたりのメモリ消費量を削減し、リソースが限られた環境でも効率的な運用を可能にしています。
Laguna XS.2のトレーニングは、30兆以上のトークンを用いてPoolside独自の「Model Factory」内でゼロから行われました。 このファクトリーでは、同社独自のMuonオプティマイザーが活用されており、標準的な業界手法と比較して約15%高速な学習を可能にしています。 また、Reinforcement Learning from Code Execution Feedback (RLCEF) といった先進的な強化学習アプローチも採用されており、エージェンティック・コーディング能力の向上に貢献しています。
エージェンティック・コーディングにおける性能とベンチマーク結果
Laguna XS.2は、エージェンティック・コーディングタスクにおいて印象的なベンチマーク結果を達成しています。SWE-bench Proでは44.5%のスコアを記録し、これは同社のプロプライエタリモデルであるLaguna M.1に肉薄する性能です。 また、Terminal-Bench 2.0では30.1%を達成しており、これは一部の競合モデルを上回る結果を示しています。 さらに、SWE-bench Verifiedでは68.2%、SWE-bench Multilingualでは62.4%という高い解決率を誇ります。
このモデルは131,072トークンのコンテキストウィンドウと最大8,192トークンの出力に対応しており、長範囲のコーディングタスクや複雑な問題解決に適しています。また、デフォルトで推論機能をサポートしており、enable_thinkingフラグを通じて思考プロセスを制御できるため、より高度なエージェンティックな振る舞いを実現できます。
オープンソース戦略と開発者エコシステムの促進
PoolsideがLaguna XS.2をApache 2.0ライセンスでオープンソース化したことは、AIコミュニティにとって重要な意味を持ちます。この許容的なライセンスにより、開発者はモデルを自由に利用、配布、変更することができ、商用利用も可能です。 これは、多くの競合他社が採用するクローズドモデルやより制限的なライセンスとは対照的であり、PoolsideがオープンAIエコシステムの基盤となることを目指していることを示唆しています。
Laguna XS.2は、単一のGPU、例えば36GBのRAMを搭載したMac上でも動作するほど効率的に設計されており、インターネット接続なしでローカルに実行できます。 これにより、データプライバシーとセキュリティが確保され、開発者は自身のデスクトップやラップトップで強力なエージェンティックAIを自由に利用できます。さらに、Poolsideはターミナルベースのコーディングエージェント「pool」やクラウドIDE「Shimmer」といったツールも提供しており、Laguna XS.2を活用した開発ワークフローを強力にサポートします。API経由での無料アクセスも期間限定で提供されており、OpenRouterからも利用可能です。
開発者・エンジニア視点での考察
-
ローカル環境での高度なエージェンティックAIの実現: Laguna XS.2が330億パラメータのMoEモデルでありながら、シングルGPU（Mac含む）で動作し、オフライン利用を可能にしている点は、開発者にとって極めて重要です。これにより、機密性の高いコードやデータを外部に送信することなく、セキュアなローカル環境で高度なAIによるコード生成、テスト、デバッグを実行できます。プライバシーとセキュリティが最優先される企業やプロジェクトにおいて、開発者は安心してAIの恩恵を享受し、独自のワークフローに深く統合することが可能になります。
-
MoEアーキテクチャと効率最適化の新たな基準: Laguna XS.2が採用するMoEアーキテクチャと、Sliding Window Attention、FP8 KVキャッシュといった効率化技術は、限られた計算リソースで大規模モデルに匹敵する性能を引き出すための新たな基準を提示しています。これにより、一般的な開発者でも高性能なエージェンティックAIモデルを自身のハードウェアで実行・実験できるようになり、AIモデルのアクセシビリティが飛躍的に向上します。大規模なGPUクラスターを持たない個人開発者や中小企業にとって、これはイノベーションを加速させる大きな推進力となるでしょう。
-
エージェンティック・コーディング・パラダイムの進化促進: Laguna XS.2は、単なるコード補完や生成に留まらず、「pool」エージェントや「Shimmer」IDEとの連携を通じて、自律的にコードを書き、実行し、問題を解決するエージェンティック・コーディングの能力を強調しています。この「ツールを使うAI」から「システムを構築するAI」へのシフトは、ソフトウェア開発のあり方を根本的に変革する可能性を秘めています。開発者は、より複雑で長期的なソフトウェアエンジニアリングタスクにおいて、AIを単なるアシスタントではなく、能動的な共同作業者として活用できるようになるでしょう。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
