美國 AI 企業 Poolside 將自行開發的大型語言模型「Laguna M.1」以開放模型的形式釋出。這款先前僅能透過付費 API 使用的旗艦模型，如今其權重在條件寬鬆的 Apache 2.0 授權下開放給任何人下載。經社群量化後的版本，甚至能在配備 128GB 記憶體的 Mac 上本機執行。在效能方面，Laguna M.1 略勝一款法國模型，但仍不及氣勢正盛的中國開放模型。
從付費 API 轉向免費開放的旗艦模型
Poolside 是一家專注於軟體開發 AI 的美國新創公司。2026 年 6 月 18 日，該公司公開了被其稱為目前效能最強的 Laguna M.1 的模型權重。該模型可處理的脈絡長度達 256K token，預訓練的基礎版本與經過後訓練的版本，皆在模型分享平台 Hugging Face 上以 Apache 2.0 授權釋出。
Laguna M.1 並非全新面孔。Poolside 曾在 2026 年 4 月 28 日，與小型的 Laguna XS.2 一同發表這款模型。最初僅有小型的 XS.2 以開放模型形式公開，而更高階的 Laguna M.1 則以可透過 API 使用的付費產品形式提供。這次釋出則反其道而行，將原本作為營收支柱的旗艦模型內部權重全面開放。在眾多前沿模型只能透過雲端存取的當下，此舉增加了在自有硬體上執行先進模型的選項。
總計 2250 億、啟用 230 億參數的 MoE 架構
Laguna M.1 是一款總參數量約為 2250 億的大型模型。不過，單次推論實際啟用的參數僅約 230 億。這是因為它採用了 Mixture-of-Experts（MoE，專家混合）架構，只啟用針對特定輸入所需的專家，目的在於兼顧大規模與輕量化的處理。
同時公開的小型 Laguna XS.2，總參數量約 330 億、啟用約 30 億，更便於在本機執行。這次開源的 Laguna M.1 則位於其之上，是承擔更高效能任務的核心模型。
勝過法國模型，卻追不上中國頂尖水準
Poolside 也公布了將 Laguna M.1 與其他主要模型比較的基準測試結果。比較對象包括法國的 Devstral 2（123B 密集模型）、中國的 GLM-4.7、DeepSeek-V4-Flash 與 Qwen3.5，以及 Anthropic 的 Claude Sonnet 4.6。
結果顯示，Laguna M.1 超越了法國的 Devstral 2。但與此同時，面對在開放模型領域不斷壯大的中國 DeepSeek-V4-Flash 與 Qwen3.5，其分數仍有差距。這樣的情形正反映出歐美開發方在開放模型上追趕中國陣營的態勢。不過值得留意的是，這些數字中有不少是由開發方本身或各類排行榜所公布。
可在 128GB 的 Mac 上執行的量化版本
釋出之後社群反應迅速，Hugging Face 上已經出現了多個量化模型。其中，經 3 位元量化的「Laguna-M.1-MLX-Q3」據報可在搭載 Apple Silicon 的 Mac 上本機執行。具體而言，有執行實例顯示，在配備 M3 Max 與 128GB 統一記憶體的 Mac 上，其生成速度約為每秒 26 個 token，尖峰記憶體使用量約 100GB。
這是一個例證，說明即使是龐大的模型，只要結合量化與節省記憶體的技術，也能在一台高效能的 Mac 上執行，而無需仰賴資料中心。話雖如此，配備 128GB 記憶體的 Mac 屬於昂貴的配置，並非人人都能輕鬆嘗試。即便如此，無需仰賴外部伺服器或 API 費用、即可在自有裝置上執行接近前沿水準模型的空間有所擴大，這對開發者而言仍是相當有吸引力的變化。
總結
Poolside 將先前透過付費 API 提供的旗艦模型 Laguna M.1，在保留其完整 2250 億參數的同時，以條件寬鬆的 Apache 2.0 授權作為開放模型釋出。其效能超越了一款法國模型，但就現實而言仍不及氣勢迅猛的中國開放模型。另一方面，量化版本可在 128GB 的 Mac 上本機執行這一點，對於希望不依賴雲端就能使用高效能模型的開發者來說不容忽視。在歐美與中國競逐開放模型主導權之際，多出這樣一個選項，意義並不算小。
