AI 스타트업 풀사이드(Poolside)가 장기 코딩 작업과 추론(reasoning)에 특화된 새로운 대규모 언어모델(LLM) '라구나 S 2.1(Laguna S 2.1)'을 출시했습니다. 이 모델은 총 118B(1,180억) 파라미터의 전문가 혼합(MoE) 모델로, 토큰당 8B(80억) 파라미터가 활성화되며 최대 100만 토큰의 컨텍스트 윈도우를 지원합니다. 특히 개발 시작부터 출시까지 9주밖에 걸리지 않았음에도 불구하고, 대규모 코딩 벤치마크에서 훨씬 큰 모델들과 견줄 만한 성능을 보여 주목받고 있습니다.
라구나 S 2.1은 '터미널-벤치 2.1(Terminal-Bench 2.1)'과 같은 장기 코딩 벤치마크에서 70.2%의 높은 점수를 기록하며, 동급 모델 중 가장 뛰어난 에이전트 코딩 모델로 평가받고 있습니다. 이는 모델의 크기 대비 탁월한 성능을 의미하며, 특히 로컬 머신에서 복잡한 개발 작업을 수행하기에 적합하다는 장점이 있습니다. 풀사이드는 모든 벤치마크 점수에 대한 전체 평가 궤적(trajectories)을 공개하여 투명성을 확보했습니다. 이 모델은 강력한 기본 모델 위에 새로운 후처리 학습(post-training)을 적용하고, 학습 루프(training loop)를 최적화하여 개발 기간을 단축하고 성능을 극대화했습니다.
이번 라구나 S 2.1 출시는 AI 기반 소프트웨어 개발(SWE) 분야에서 효율성과 성능을 동시에 추구하는 새로운 방향을 제시합니다. 작은 규모의 모델로도 대형 모델에 필적하는 성능을 낼 수 있음을 보여주면서, 개발자들이 더 적은 자원으로도 복잡한 코딩 작업을 자동화하고 생산성을 높일 수 있는 가능성을 열었습니다. 이는 특히 리소스가 제한적인 스타트업이나 개인 개발자들에게 큰 도움이 될 수 있으며, AI 에이전트가 실제 개발 환경에서 더 폭넓게 활용될 수 있는 기반을 마련할 것으로 기대됩니다.