Hugging Face に「Laguna S 2.1」公開

**OpenRouter で利用する** ·

**Vercel AI Gateway で利用する** ·

**リリースブログ記事**

Laguna S 2.1 は、エージェントによるコーディングや長期にわたるタスク処理を目的とした、総パラメータ数 118B の混合専門家（MoE）モデルです。トークンごとに活性化されるパラメータ数は 8B です。このモデルは、Laguna シリーズにおいて Laguna XS 2.1（33B-A3B）と Laguna M.1（225B-A23B）の間に位置し、同シリーズ共通の設計思想を踏襲しています。具体的には、256 のルーティングされた専門家と 1 つの共有専門家の間でソフトプラス関数を用いたゲート制御を行うトークン選択ルーター、グループ化クエリアテンション（GQA）、そして完全アテンションとスライディングウィンドウアテンションを交互に配置したアーキテクチャを採用しています。

主な特徴

• 混合型スライディングウィンドウアテンションとグローバルアテンションのレイアウト: グローバルアテンション層が 12 層、スライディングウィンドウアテンション層が 36 層（窓サイズ 512）という 1:3 の比率で構成された全 48 層。ソフトプラスによるアテンションゲート制御と、層タイプごとの回転尺度（rotary scales）を適用しています。
• 1M コンテキスト: 1,048,576 トクンのコンテキストウィンドウをサポートします。
• ネイティブな推論機能のサポート: ツール呼び出し間の思考プロセスを交互に実行可能。enable_thinking パラメータを用いて、リクエストごとに制御できます。
• スペキュレティブ・ディコーディング: 低遅延でのサービス提供を実現するため、訓練済みの DFlash ドラフトモデル が利用可能です。

量子化バリアント

FP8、NVFP4、INT4、および GGUF 版が利用可能です。

OpenMDW-1.1 ライセンス

商用・非商用を問わず、本モデルおよび関連資料の自由な利用と改変が可能です。OpenMDW の詳細はこちら をご覧ください。

モデル概要

• パラメータ数: 総計 118B、トークンあたり約 8B が活性化
• レイヤー構成: 48 レイヤー（グローバルアテンション 12、スライディングウィンドウアテンション 36）
• エキスパート: ラーニング型ラウティングによる 256 エキスパート（トップ 10 選択）と、共有エキスパート 1 つ
• アテンション機構: グループドクエリ形式。KV ヘッドは 8 つ、ヘッド次元は 128。各ヘッドごとにソフトプラス出力ゲートを使用
• スライディングウィンドウサイズ: 512 トークン
• コンテキストウィンドウ: 最大 1,048,576 トークン
• 語彙数: 100,352 トークン（Laguna シリーズ専用トークナイザー）
• モダリティ: テキスト入力からテキスト出力へ
• 推論機能: 思考プロセスを保持した、思考と回答のインタリーブ型推論

ベンチマーク結果

2026 年 7 月 21 日時点のベンチマーク結果。Laguna S 2.1 は太字で表示しています。ダッシュ（-）は、モデルが評価対象外となった項目を示します。アスタリスク（*）付きのスコアは第三者による報告値です。具体的には、Terminal-Bench 2.1 と DeepSWE は Artificial Analysis 経由、SWE Atlas は Scale AI の公式リーダーボード、Toolathlon Verified は各公式リーダーボードからのものです。

完全な評価トレイジェクトリはこちら：trajectories.poolside.ai

使い方

Laguna S 2.1 は Laguna XS 2.1 と同じ laguna アーキテクチャを採用しているため、vLLM、SGLang、Transformers、TRT-LLM、llama.cpp といったエンジン統合も共通して利用可能です。パラメータ数は 118B で、BF16 チェックポイントでは複数の GPU（重みだけで約 236GB）が必要ですが、量子化されたバリアントを使用すれば大幅に削減できます。

vLLM

vllm serve \
    --model poolside/Laguna-S-2.1 \
    --tensor-parallel-size 4 \
    --tool-call-parser poolside_v1 \
    --reasoning-parser poolside_v1 \
    --enable-auto-tool-choice \
    --served-model-name laguna \
    --default-chat-template-kwargs '{"enable_thinking": true}'

オプション：DFlash を使った推測デコーディング。 Laguna S 2.1 DFlash ドラフトモデル と組み合わせるには、--speculative-config '{"model":"poolside/Laguna-S-2.1-DFlash","num_speculative_tokens":7,"method":"dflash"}' を追加してください。

SGLang

python -m sglang.launch_server \
  --model-path poolside/Laguna-S-2.1 \
  --tp-size 4 \
  --reasoning-parser poolside_v1 \
  --tool-call-parser poolside_v1 \
  --trust-remote-code

TRT-LLM

trtllm-serve poolside/Laguna-S-2.1 --trust-remote-code \
    --tool_parser poolside_v1 --reasoning_parser laguna

フラグ名は vLLM と異なる点に注意してください（--tool_parser、および推論用パーサーは laguna であり、poolside_v1 ではありません）。

llama.cpp

GGUF 変換版は、以下の Hugging Face リポジトリで利用可能です。

poolside/Laguna-S-2.1-GGUF

poolside が提供する llama.cpp のフォーク（ブランチ：`laguna`）を使用してサーバーを構築すると、DFlash による推測型デコーディングを含む Laguna の完全なサポートを利用できます。なお、ベースとなる Laguna サポートについては、現在メインストリームのレビュー中（ggml-org/llama.cpp#25165）です。

git clone --branch laguna https://github.com/poolsideai/llama.cpp
cd llama.cpp && cmake -B build && cmake --build build -j

./build/bin/llama-server -m laguna-s-2.1-Q4_K_M.gguf --jinja --port 8000

# with DFlash speculative decoding:
./build/bin/llama-server -m laguna-s-2.1-Q4_K_M.gguf \
  -md laguna-s-2.1-DFlash-BF16.gguf \
  --spec-type draft-dflash --spec-draft-n-max 15 -fa on --jinja --port 8000

推論の制御

Laguna S 2.1 はネイティブで推論機能を備えており、*思考の保持*を行うことで最も高い性能を発揮します。具体的には、過去のアシスタントメッセージから reasoning_content を会話履歴に維持してください。

このモデルは通常、ツール呼び出しの前やツール間のステップで推論を行い、以前の思考ブロックが削除された場合、後のステップでは推論を停止する可能性があります。

推論の制御は、チャットテンプレートを通じてリクエストごとに設定できます：

extra_body={"chat_template_kwargs": {"enable_thinking": False}}

または、サーバーレベルで --default-chat-template-kwargs '{"enable_thinking": true}' を指定することで有効化可能です。エージェントによるコーディングユースケースでは、推論を有効にし、会話履歴内で推論内容を保持することを推奨します。

ライセンス

本モデルは OpenMDW-1.1 License の下でライセンスされています。

意図された利用と責任ある利用

Laguna S 2.1 は、ソフトウェアエンジニアリングやエージェントによるコーディング用途を想定して設計されています。ご自身の利用目的に本モデルが適しているか、必ずご自身で確認してください。

本モデルは OpenMDW-1.1 ライセンス の適用を受け、Poolside の利用許諾ポリシー に従って使用してください。本モデルの安全対策を回避する行為は推奨されません。ただし、ご自身のユースケースに合わせた同等以上の緩和措置を実装している場合は例外とします。

セキュリティ上の脆弱性や安全性に関する懸念については、security@poolside.ai までご連絡ください。