美国 AI 企业 Poolside 将自研的大语言模型「Laguna M.1」作为开放模型发布。这款此前只能通过付费 API 使用的旗舰模型，如今其权重在宽松的 Apache 2.0 许可证下向所有人开放下载。经社区量化后的版本，甚至能在配备 128GB 内存的 Mac 上本地运行。在性能方面，Laguna M.1 略胜一款法国模型，但仍不及势头强劲的中国开放模型。
从付费 API 转向免费开放的旗舰模型
Poolside 是一家专注于软件开发 AI 的美国初创公司。2026 年 6 月 18 日，该公司公开了被其称为目前性能最强的 Laguna M.1 的模型权重。该模型可处理的上下文长度达 256K token，预训练的基础版本与经过后训练的版本，均在模型共享平台 Hugging Face 上以 Apache 2.0 许可证发布。
Laguna M.1 并非新面孔。Poolside 曾在 2026 年 4 月 28 日，与小型的 Laguna XS.2 一同发布该模型。最初只有小型的 XS.2 作为开放模型公开，而更高端的 Laguna M.1 则以可通过 API 使用的付费产品形式提供。此次发布则反其道而行，将原本作为营收支柱的旗舰模型内部权重全面开放。在众多前沿模型只能经由云端访问的当下，这一举动增加了在自有硬件上运行先进模型的选择。
总计 2250 亿、激活 230 亿参数的 MoE 架构
Laguna M.1 是一款总参数量约为 2250 亿的大型模型。不过，单次推理实际激活的参数仅约 230 亿。这是因为它采用了 Mixture-of-Experts（MoE，专家混合）架构，仅启用针对特定输入所需的专家，意在兼顾大规模与轻量化处理。
同时公开的小型 Laguna XS.2，总参数量约 330 亿、激活约 30 亿，更便于在本地运行。此次开源的 Laguna M.1 则位于其之上，是承担更高性能任务的核心模型。
胜过法国模型，却未能追上中国顶尖水平
Poolside 还公布了将 Laguna M.1 与其他主流模型进行对比的基准测试结果。对比对象包括法国的 Devstral 2（123B 密集模型）、中国的 GLM-4.7、DeepSeek-V4-Flash 和 Qwen3.5，以及 Anthropic 的 Claude Sonnet 4.6。
结果显示，Laguna M.1 超过了法国的 Devstral 2。但与此同时，面对在开放模型领域不断壮大的中国 DeepSeek-V4-Flash 和 Qwen3.5，其得分仍有差距。这一情形正反映出欧美开发方在开放模型上追赶中国阵营的格局。不过需要留意的是，这些数字中有不少是由开发方本身或各类排行榜公布的。
可在 128GB 的 Mac 上运行的量化版本
发布之后社区反应迅速，Hugging Face 上已经出现了多个量化模型。其中，经 3 比特量化的「Laguna-M.1-MLX-Q3」据报可在搭载 Apple Silicon 的 Mac 上本地运行。具体而言，有运行实例显示，在配备 M3 Max 与 128GB 统一内存的 Mac 上，其生成速度约为每秒 26 个 token，峰值内存占用约 100GB。
这是一个例证，说明即便是庞大的模型，只要结合量化与节省内存的技术，也能在一台高性能的 Mac 上运行，而无需依赖数据中心。话虽如此，配备 128GB 内存的 Mac 属于昂贵配置，并非人人都能轻松尝试。即便如此，无需依赖外部服务器或 API 费用、即可在自有设备上运行接近前沿水平模型的空间有所扩大，这对开发者而言仍是颇具吸引力的变化。
总结
Poolside 将此前通过付费 API 提供的旗舰模型 Laguna M.1，在保留其完整 2250 亿参数的同时，以宽松的 Apache 2.0 许可证作为开放模型发布。其性能超过了一款法国模型，但从现实来看仍不及势头迅猛的中国开放模型。另一方面，量化版本可在 128GB 的 Mac 上本地运行这一点，对于希望不依赖云端就能使用高性能模型的开发者来说不容忽视。在欧美与中国争夺开放模型主导权之际，多出这样一个选择，意义并不算小。
