01功能特性
优点
- SWE-Bench Verified 得分 68.2%（开放模型中的顶尖水平）
- 可在配备36 GB 内存的Mac上运行
- Apache 2.0（可商用）
- 原生工具调用 + 流式支持
- 支持多种量化版本的 Ollama 官方标签
需了解的局限性
- —专注编程（非通用模型）
- —MoE/SWA 架构 → transformers 从 v5.6.2 起提供支持
架构
MoE：总参数 33B，活跃参数 3B · 256 个专家 + 1 个共享专家 · 40 层（10 层全局注意力 + 30 层滑动窗口注意力，窗口大小 512）· FP8 KV 缓存 · 128k 上下文
训练
Poolside 首个开放权重模型，针对本地智能体编程进行了优化。采用 Muon 优化器和 BF16，具备原生推理能力，支持交错式思考。
最适合的场景
本地智能体编程多文件重构Apple Silicon Copilot
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run laguna-xs.2
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
19 GB
Q5_K_M
质量/体积的良好平衡
23 GB
Q8_0
几乎无法与 FP16 区分
35 GB
FP16
全精度 — 服务器用途
66 GB
CPU 回退 · 如果您没有 GPU，请预留 36 GB 内存 以较低速度运行此模型的最低要求。
运行Laguna XS.2需要什么硬件？
在本地以Q4量化运行Laguna XS.2，大约需要19 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Laguna XS.2 也可在以下设备上运行 RTX 笔记本电脑 (24 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
SWE-Bench Verified
68.2
SWE-Bench 多语言测试集
62.4
SWE-Bench Pro
44.5
Terminal-Bench 2.0
30.1