اگر هنوز فکر می‌کنید عامل‌های هوش مصنوعی باید در چارچوب ابزارهای صلب (Tool-calling) عمل کنند، سخت در اشتباهید. باید بدانید که آینده‌ی قابلیت‌های عامل‌محور (Agentic) در گروی توانایی مدل‌ها برای نوشتن و اجرای پویا کد است، نه پیروی از دستورالعمل‌های محدود.
در ۲۸ آوریل ۲۰۲۶، شرکت Poolside AI خانواده مدل‌های Laguna را معرفی کرد که شامل مدل پرچمدار Laguna M.1 و مدل با وزن‌های باز (Open-weights) Laguna XS.2 می‌شود. به نقل از گزارش رسمی poolside.ai، این مدل‌ها به‌طور خاص برای وظایف «افق بلند» (Long-horizon) طراحی شده‌اند تا از چت‌های ساده فراتر رفته و به مهندسی کامل نرم‌افزار دست یابند.
این مدل‌ها برای دستیابی به حداکثر کارایی از معماری ترکیبی خبرگان (Mixture of Experts - MoE) استفاده می‌کنند:
- Laguna M.1: مدلی با ۲۲۵ میلیارد پارامتر کل (۲۳ میلیارد فعال) که روی ۳۰ تریلیون توکن و با استفاده از ۶,۱۴۴ پردازنده گرافیکی NVIDIA Hopper آموزش دیده است. این مدل در بنچمارک SWE-bench Pro به رکورد ۴۶.۹ درصد دست یافت.
- Laguna XS.2: مدلی با ۳۳ میلیارد پارامتر کل (۳ میلیارد فعال) که تحت لایسنس Apache 2.0 منتشر شده است. این مدل با وجود اندازه کوچک‌تر، دقت ۴۴.۵ درصدی در SWE-bench Pro و ۳۰.۱ درصدی در Terminal-Bench 2.0 را ثبت کرد.
بر اساس مستندات این شرکت، فرآیند آموزش بر پایه استک اختصاصی Titan و بهینه‌ساز Muon انجام شده که باعث کاهش ۱۵ درصدی مراحل آموزش نسبت به AdamW شده است. همچنین چارچوب AutoMixer برای بهینه‌سازی ترکیب داده‌ها، از ۴.۴ تریلیون توکن مصنوعی برای پر کردن شکاف‌های داده‌های وب استفاده کرده است.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تکامل مدل‌های استدلالی اشاره کردیم، پل زدن میان مدل و عامل، سخت‌ترین بخش این مسیر است. به همین دلیل Poolside ابزار pool را معرفی کرد؛ یک سرور پروتکل کلاینت عامل (ACP) که برای آموزش یادگیری تقویت‌شده (RL) و ارزیابی استفاده می‌شود. این چرخش راهبردی نشان می‌دهد که شرکت از تمرکز صرف بر مشتریان دولتی، به سمت حمایت از اکوسیستم باز حرکت کرده است.
اما این تنها بخشی از پازل است؛ تأثیر بهینه‌ساز Muon بر هزینه‌های استنتاج (Inference) در مقیاس صنعتی، موضوع گزارش بعدی ماست.
گام بعدی شما
- مدل Laguna XS.2 را برای اتوماسیون تسک‌های پیچیده کدنویسی در محیط‌های محلی تست کنید.
- مستندات بهینه‌ساز Muon را بررسی کنید تا متوجه شوید چگونه می‌توان مراحل آموزش مدل را بهینه کرد.
- پروتکل ACP را برای یکپارچه‌سازی عامل‌های خود با ابزارهای خارجی مطالعه کنید.
گفتگو