오픈 웨이트 코딩 모델인 Laguna S 2.1을 출시했다

1.6조 개의 파라미터를 가진 DeepSeek-V4-Pro-Max보다 높은 Terminal-Bench 2.1 점수(70.2% vs 64.0%)를 기록한 성능이 이제 오픈 웨이트로 제공된다. 샌프란시스코 기반의 AI 랩 Poolside(풀사이드)가 최신 코딩 모델인 Laguna S 2.1을 공개하며 개발자들이 직접 가중치를 활용할 수 있는 경로를 열었다.

모델 가중치는 Hugging Face에서 OpenMDW-1.1 라이선스 하에 즉시 이용 가능하다. 허용적인 라이선스 정책을 적용해 기업과 개인 개발자가 모델을 빠르게 도입하고 최적화할 수 있도록 했다.

4,096개의 Nvidia H200 GPU(그래픽 처리 장치)를 투입해 학습 기간을 9주 미만으로 단축했다. 5월 22일 사전 학습을 시작해 공개 출시까지의 과정을 빠르게 완료하며 일반적인 플래그십 모델 개발 주기보다 속도를 높였다.

1,180억 개의 파라미터를 가진 MoE 구조의 모델이다

70.2%라는 Terminal-Bench 2.1의 측정 결과는 모델 규모와 성능의 상관관계를 뒤집는다. 이 수치로 11위에 오른 Laguna S 2.1은 1.6조 개의 파라미터를 가진 DeepSeek-V4-Pro-Max(64.0%)와 9,750억 개의 Inkling(63.8%), 5,500억 개의 Nemotron 3 Ultra(56.4%)를 모두 앞질렀다. 파라미터 규모가 수 배에서 수십 배 큰 거대 모델들보다 높은 코딩 성능을 기록하며 규모의 경제를 넘어선 효율을 증명했다.

전체 1,180억 개의 파라미터를 보유한 Mixture-of-Experts(MoE, 여러 전문가 네트워크 중 일부만 선택적으로 활성화하는 구조) 시스템을 채택했다. 모든 파라미터를 사용하는 대신 토큰당 실제 활성화하는 파라미터를 80억 개로 제한해 추론 비용을 낮춘다. 여기에 최대 100만 토큰의 컨텍스트 윈도우(모델이 한 번에 처리할 수 있는 텍스트의 양)를 지원한다. 대규모 파라미터가 가진 지식 저장 능력과 소규모 활성 파라미터의 빠른 연산 속도를 동시에 확보한 설계다.

확인해야 할 핵심 지점

100만 토큰 입력당 0.10달러, 출력당 0.20달러라는 가격표는 기존 프런티어 모델의 비용 구조를 한 자릿수 아래로 낮춘다. OpenRouter(오픈라우터, LLM API 통합 플랫폼)를 통해 제공되는 1M 컨텍스트 전용 배포 모델이 이 가격을 적용하며, 대부분의 프런티어 대안 모델보다 훨씬 저렴하게 제공한다. 256K 컨텍스트 엔드포인트는 무료로 제공하여 진입 장벽을 없앴다. 이 공격적인 가격 책정은 대규모 컨텍스트를 지속적으로 처리해야 하는 환경에서 API 호출 비용 부담을 직접적으로 제거한다.

DeepSeek(딥시크)나 Qwen(큐웬) 같은 중국 랩의 모델들이 주도하는 오픈 웨이트 시장에 대응해 서구권의 신뢰할 수 있는 오픈 모델을 공급하는 것이 Laguna S 2.1의 전략적 목표다. 제이슨 워너(Jason Warner) 공동 CEO는 서구권에 신뢰하고 실행하며 구축할 수 있는 오픈 웨이트 모델이 필요하다고 강조한다. 보안과 주권 문제로 폐쇄형 API 사용이 불가능한 정부, 국방, 규제 기업 고객을 핵심 타겟으로 설정했다. 모델을 고객사의 보안 경계 내부에 직접 배포하는 방식으로 비즈니스를 전개하여 데이터 통제권을 확보하려는 수요를 공략한다.

롱호라이즌 코딩 에이전트 구축 시 API 비용이 병목이 된다면, OpenRouter의 1M 컨텍스트 배포 가격을 기준으로 자체 호스팅의 경제적 임계점을 판단한다.