Przejdź do treści

Narzędzia AI

Laguna XS.2: otwarty model AI do kodowania — jak działa i kiedy go

Zaktualizowano: Autor: Andrzej Niemiec11 min czytania

Laguna XS.2 to 33-miliardowy model MoE od Poolside na licencji Apache 2.0. Przewodnik po architekturze, benchmarkach i wdrożeniu dla polskich firm…

Spis treści
  1. Czym jest Laguna XS.2 i kiedy Poolside go wydał?
  2. Jak działa architektura MoE w Lagunie XS.2?
  3. Jakie są rzeczywiste wyniki benchmarków Laguny XS.2?
  4. Laguna XS.2 vs. Qwen 3.5 i 3.6 — czy można zastąpić jeden drugim?
  5. Licencja Apache 2.0 — co oznacza dla polskiej firmy?
  6. Jakie są wymagania sprzętowe do uruchomienia Laguny XS.2?
  7. Jakie są praktyczne zastosowania Laguny XS.2 w biznesie?
  8. Czy Poolside planuje większy model?
  9. Jakie są ograniczenia Laguny XS.2?
  10. Najczęstsze pytania
  11. Źródła

Czym jest Laguna XS.2 i kiedy Poolside go wydał?

Poolside, zespół z Montrealu specjalizujący się w modelach dla zadań agentycznych, wydał Laguna XS.2 28 kwietnia 2026 roku [1]. Model jest dostępny na Hugging Face na licencji Apache 2.0, co oznacza możliwość komercyjnego użycia, modyfikacji i wdrożenia na własnej infrastrukturze bez opłat licencyjnych [2].

Laguna XS.2 to model Mixture of Experts (MoE): łącznie 33 miliardy parametrów, ale tylko około 3 miliardy są aktywne na każdy token. Taka architektura pozwala na redukcję zużycia pamięci i przyspieszenie inferencji w porównaniu z modelami gęstymi tej samej skali [1][2].

Jak działa architektura MoE w Lagunie XS.2?

Mixture of Experts to mechanizm, w którym model zawiera wiele wyspecjalizowanych podsieci (ekspertów), a dla każdego wejścia wybierana jest tylko część z nich. W przypadku Laguny XS.2 architektura obejmuje 256 ekspertów oraz jednego eksperta współdzielonego [2].

W praktyce oznacza to:

  • Mniejsze zużycie pamięci: Model może działać na pojedynczym GPU z 80 GB VRAM (np. A100), zamiast wymagać klastra serwerów [2].
  • Szybsza inferencja: Generowanie odpowiedzi trwa 1–2 sekundy z optymalizacją (np. vLLM), zamiast 3–5 sekund bez niej [1].
  • Wyzwania w routingu: Wybór odpowiednich ekspertów wymaga dodatkowego obliczenia; w rzadkich przypadkach routing może wybrać niewłaściwego eksperta [5].

Laguna XS.2 obsługuje kontekst do 262 144 tokenów i używa kwantyzowanego FP8 KV cache, co zmniejsza wymagania pamięciowe podczas długich rozmów [2].

Jakie są rzeczywiste wyniki benchmarków Laguny XS.2?

Poolside opublikował wyniki na kilku standardowych testach dla kodowania i logiki. Poniższa tabela porównuje Lagunę XS.2 z Qwen 3.6 35B A3B (stan na kwiecień 2026):

BenchmarkLaguna XS.2Qwen 3.6 35B A3B
SWE-bench Verified68,2%69,2%
SWE-bench Multilingual62,4%60,3%
SWE-bench Pro44,5%44,6%
Terminal-Bench 2.030,1%40,5%

Laguna XS.2 wygrywała w testach wielojęzycznych i ogólnych zadaniach kodowania, ale przegrywała w testach wymagających interakcji z terminalem [5]. Wyniki pokazują, że model nie jest jednoznacznie lepszy od Qwena — zależy to od konkretnego zastosowania [1].

Ważne: te wyniki pochodzą z komunikatu premierowego Poolside. Karta modelu na Hugging Face zawiera później zaktualizowane liczby (np. 69,9% SWE-bench Verified), co sugeruje ciągłe doskonalenie modelu [2].

Laguna XS.2 vs. Qwen 3.5 i 3.6 — czy można zastąpić jeden drugim?

Stary artykuł sugerował, że Laguna XS.2 może "zastąpić Qwen 3.5 w firmie". To stwierdzenie wymaga doprecyzowania.

Gdzie Laguna XS.2 jest konkurencyjna:

  • Generowanie kodu w Pythonie, JavaScript i innych popularnych językach [1].
  • Zadania agentyczne wymagające interakcji z API i systemami zewnętrznymi [2].
  • Wdrożenie na własnych serwerach bez opłat API [1].

Gdzie Laguna XS.2 ma ograniczenia:

  • Zadania wymagające głębokiej wiedzy encyklopedycznej (np. prawo, medycyna) — model ma mniej parametrów niż większe alternatywy [5].
  • Generowanie tekstu kreatywnego (copywriting, opisy produktów) — wyniki są poniżej GPT-4 i Claude [1].
  • Obsługa mniej popularnych języków programowania — model wymaga fine-tuningu [2].

Decyzja o wyborze modelu powinna opierać się na testach na własnych danych, a nie na samych benchmarkach. Laguna XS.2 może być dobrym wyborem dla firm zajmujących się automatyzacją kodowania, ale nie dla wszystkich zastosowań.

Licencja Apache 2.0 — co oznacza dla polskiej firmy?

Apache 2.0 to permisywna licencja open-source, która pozwala na:

  • Użycie komercyjne: Można zarabiać na produktach opartych na Lagunie XS.2 [2].
  • Modyfikację: Można dostosować model do własnych danych i potrzeb [1].
  • Dystrybucję: Można udostępniać zmodyfikowane wersje bez ujawniania zmian [2].

W praktyce oznacza to, że polska spółka z o.o. może:

  1. Wdrożyć Lagunę na własnych serwerach (np. w OVHcloud za ~30 tys. PLN/miesiąc za 4x A100).
  2. Dostosować model do polskich danych (np. kodeks cywilny, słownictwo branżowe).
  3. Sprzedawać rozwiązania oparte na Lagunie bez dzielenia się zyskami z Poolside.

Jednak Apache 2.0 nie oznacza, że dane treningowe i proces szkolenia modelu są otwarte — są to wagi modelu, które są dostępne [2].

Jakie są wymagania sprzętowe do uruchomienia Laguny XS.2?

Laguna XS.2 wymaga:

  • Minimum 4x A100 (80 GB VRAM) lub 8x RTX 4090 (24 GB VRAM każda) [2].
  • Około 65 GB VRAM dla samego modelu (bez danych wejściowych) [1].
  • Oprogramowanie: vLLM lub TensorRT-LLM do optymalizacji inferencji [2].

Koszty wdrożenia:

  • Zakup sprzętu: ~150 tys. PLN za 4x A100 (jednorazowo).
  • Hosting w chmurze: ~30 tys. PLN/miesiąc w OVHcloud lub AWS [1].
  • Alternatywa: Użycie API Poolside (jeśli będzie dostępne) — koszty będą zależeć od liczby zapytań [6].

Dla porównania: koszt API dla 100 tys. zapytań miesięcznie do GPT-4 wynosi około 12 tys. PLN, ale bez możliwości dostosowania modelu [1].

Jakie są praktyczne zastosowania Laguny XS.2 w biznesie?

Automatyzacja kodowania i testów

Laguna XS.2 została zaprojektowana do generowania i debugowania kodu. Model może być używany do:

  • Generowania testów jednostkowych dla istniejącego kodu [1].
  • Pisania funkcji na podstawie specyfikacji [2].
  • Analizy błędów i sugestii poprawek [1].

Zaletą jest to, że model może działać lokalnie, co oznacza szybszą iterację i brak wysyłania kodu do chmury.

Procesy biznesowe i RPA

Model może być używany do automatyzacji procesów wymagających interakcji z systemami zewnętrznymi:

  • Przetwarzanie zamówień z PDF-ów do systemu ERP [2].
  • Generowanie raportów na podstawie danych z bazy SQL [1].
  • Automatyczne odpowiadanie na zapytania klientów [2].

Analiza i transformacja danych

Laguna XS.2 może pomagać w:

  • Pisaniu zapytań SQL na podstawie opisu [1].
  • Transformacji danych między formatami [2].
  • Generowaniu dokumentacji kodu [1].

Czy Poolside planuje większy model?

Poolside pracuje nad większym, zamkniętym modelem Laguna, który ma konkurować z GPT-4 i Claude 3.5 [5]. Szczegóły są ograniczone, ale wiadomo, że:

  • Model będzie miał około 100+ miliardów parametrów [5].
  • Będzie dostępny tylko przez API (brak możliwości lokalnego wdrożenia) [5].
  • Koszty będą "konkurencyjne" w stosunku do OpenAI [5].

Poolside wydało również Laguna S 2.1 — większy model (118B parametrów, 8B aktywnych) z kontekstem do 1 miliona tokenów [6]. To pokazuje, że firma rozszerza linię produktów poza XS.2.

Jakie są ograniczenia Laguny XS.2?

Rozmiar modelu

33 miliardy parametrów to model średniej wielkości. Dla porównania:

  • Llama 3 70B ma 70 miliardów parametrów.
  • Qwen 3.6 ma 100+ miliardów parametrów.
  • GPT-4 ma szacunkowo ~1,8 biliona parametrów.

W praktyce oznacza to, że Laguna XS.2 ma trudności z zadaniami wymagającymi głębokiej wiedzy lub kreatywności [1].

Wymaga fine-tuningu

Laguna XS.2 "out of the box" nie jest dostosowana do polskich danych. Aby uzyskać dobre wyniki, wymaga:

  • Fine-tuningu na własnych zbiorach danych [2].
  • Precyzyjnych promptów — bez nich model może generować niespójne odpowiedzi [1].
  • Testowania na rzeczywistych danych przed wdrożeniem [2].

Architektura MoE jest złożona

Mixture of Experts wprowadza nowe wyzwania:

  • Routing: Wybór ekspertów wymaga dodatkowego obliczenia [2].
  • Trening: MoE jest trudniejsza do trenowania niż modele gęste [5].
  • Debugowanie: Trudniej zdiagnozować, dlaczego model dał złą odpowiedź [1].

Najczęstsze pytania

Czy Laguna XS.2 jest bezpłatna?

Tak, wagi modelu są dostępne bezpłatnie na Hugging Face na licencji Apache 2.0. Jednak koszty wiążą się z infrastrukturą (serwery, prąd) potrzebną do uruchomienia modelu. Dla polskiej firmy to około 30 tys. PLN/miesiąc w chmurze lub 150 tys. PLN jednorazowo za sprzęt [1][2].

Czy mogę uruchomić Lagunę XS.2 na swoim laptopie?

Nie. Model wymaga minimum 4x A100 (80 GB VRAM) lub 8x RTX 4090. Zwykły laptop nie ma wystarczającej mocy obliczeniowej. Możliwe jest użycie kwantyzacji (np. 4-bit), aby zmniejszyć wymagania, ale wyniki mogą być gorsze [2].

Czy Laguna XS.2 mówi po polsku?

Model nie został specjalnie trenowany na polskich danych. Może generować tekst po polsku, ale wyniki będą gorsze niż dla angielskiego. Fine-tuning na polskich danych może poprawić jakość [1][2].

Czy mogę zarabiać na produktach opartych na Lagunie XS.2?

Tak. Licencja Apache 2.0 pozwala na komercyjne użycie bez opłat licencyjnych. Możesz sprzedawać rozwiązania oparte na Lagunie bez dzielenia się zyskami z Poolside [2].

Kiedy Poolside wydał Lagunę XS.2?

Poolside ogłosił Lagunę XS.2 28 kwietnia 2026 roku. Wagi trafiły na Hugging Face w ramach tego wydania [1][2].

Źródła

  1. Introducing Laguna XS.2 and Laguna M.1 — Poolside
  2. poolside/Laguna-XS.2 · Hugging Face
  3. Poolside on X — Laguna XS.2 release announcement
  4. poolside (Poolside) — Hugging Face organization
  5. Laguna XS.2 and M.1: A Deeper Dive — Poolside
  6. Poolside AI — Official website
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji