Bỏ qua đến nội dung chính
Về trang chủ
AI tools-ai 7 phút đọc

Poolside Trình Làng Laguna M.1 & XS.2: Khai Mở Kỷ Nguyên Lập Trình Tác Tử AI Mới! 🤖✨

Poolside, startup AI chuyên về phát triển phần mềm, đã ra mắt Laguna M.1 (225B MoE) và Laguna XS.2 (33B MoE mã nguồn mở), hai mô hình nền tảng hỗ trợ cửa sổ ngữ cảnh 256K, hứa hẹn thúc đẩy kỷ nguyên lập trình tác tử AI.

Tier 1 · nguồn 99% độ tin cậy Auto-priority
Nguồn gốc poolside.ai

Giới Thiệu Laguna M.1 và Laguna XS.2: Hai Mô Hình Nền Tảng Được Xây Dựng Cho Lập Trình Tác Tử AI

Ngày: 18 tháng 6 năm 2026 Nguồn: Blog Chính Thức của Poolside

---

Chào mừng quý độc giả của Kalera News! Hôm nay, chúng ta sẽ cùng tìm hiểu về một bước tiến đáng chú ý trong lĩnh vực lập trình hỗ trợ AI. Poolside, một startup AI đang gây tiếng vang trong phát triển hệ thống phần mềm, vừa công bố hai mô hình nền tảng hứa hẹn định hình lại cách chúng ta tương tác với code. 🚀

Tóm Lược Điều Hành

Poolside đã chính thức ra mắt Laguna M.1, mô hình nền tảng hỗn hợp chuyên gia (MoE) 225 tỷ tham số hàng đầu của họ, cùng với phiên bản mã nguồn mở Laguna XS.2, một mô hình MoE 33 tỷ tham số được thiết kế để chạy cục bộ trên thiết bị. Cả hai mô hình đều được nâng cấp để hỗ trợ cửa sổ ngữ cảnh khổng lồ 256K, mang lại khả năng vượt trội trên các bộ tiêu chuẩn như SWE-bench Verified, SWE-bench Pro và Terminal-Bench 2.0. Poolside cũng giới thiệu các sản phẩm dành cho nhà phát triển, bao gồm tác tử lập trình đầu cuối pool và môi trường ảo Shimmer.

1. Laguna M.1: Mô Hình Lập Trình Tác Tử Hàng Đầu 🌐

Laguna M.1 là mô hình nền tảng mạnh mẽ nhất của Poolside, được xây dựng và huấn luyện từ đầu dành riêng cho kỹ thuật phần mềm tác tử (agentic software engineering). Điều này cho thấy sự tập trung cao độ vào việc tự động hóa các tác vụ lập trình phức tạp.

* Kiến trúc: Mô hình Hỗn hợp Chuyên gia (MoE) với tổng cộng 225 tỷ tham số, trong đó 23 tỷ tham số được kích hoạt cho mỗi token. Đây là một cách tiếp cận hiệu quả để xử lý các tác vụ đa dạng. * Tiền huấn luyện: Được huấn luyện nội bộ trên 30 nghìn tỷ token bằng cơ sở hạ tầng gồm 6.144 GPU NVIDIA H200 kết nối với nhau. Quy mô huấn luyện này thực sự ấn tượng và cho thấy cam kết đầu tư lớn. * Học Tăng cường: Được tối ưu hóa bằng Học Tăng cường (RL) bất đồng bộ tùy chỉnh của Poolside trong hệ thống tác tử độc quyền của họ. Điều này giúp mô hình liên tục cải thiện hiệu suất. * Truy cập: Có sẵn miễn phí dưới dạng bản xem trước qua API của Poolside và OpenRouter. Trọng số có thể được chia sẻ với các tổ chức học thuật/nghiên cứu theo yêu cầu. Đây là một điểm cộng lớn cho cộng đồng nghiên cứu.

2. Laguna XS.2: Mô Hình Cục Bộ Mã Nguồn Mở Thế Hệ Mới 💻

Laguna XS.2 là một mô hình nhỏ hơn, hiệu quả cao, được thiết kế để chạy trên máy tính của nhà phát triển mà vẫn duy trì hiệu suất tác tử cao cấp. Đây là một tin tuyệt vời cho những ai muốn trải nghiệm sức mạnh AI cục bộ.

* Kiến trúc: MoE với tổng cộng 33 tỷ tham số (với 3 tỷ tham số được kích hoạt cho mỗi token). Dù nhỏ hơn, kiến trúc MoE vẫn đảm bảo khả năng xử lý tốt. * Tính năng Hiệu quả: Sử dụng Sliding Window Attention với cổng trên mỗi head trong 30 trong số 40 lớp, giảm thiểu yêu cầu bộ nhớ cache Key-Value (KV) và tăng tốc suy luận cục bộ. Điều này giúp mô hình chạy mượt mà hơn trên các thiết bị cá nhân. * Giấy phép: Được phát hành theo giấy phép Apache 2.0 cho phép sử dụng rộng rãi, tạo điều kiện cho cộng đồng đóng góp và phát triển. * Hugging Face: Trọng số có sẵn công khai để tải xuống. Việc này giúp các nhà phát triển dễ dàng tiếp cận và thử nghiệm. * Chạy cục bộ: Hỗ trợ nguyên bản trên macOS/Linux với Ollama và Apple Silicon MLX: ollama pull laguna-xs.2. Khả năng chạy cục bộ là một ưu điểm lớn về quyền riêng tư và tốc độ.

3. Hiệu Suất Cao Với Cửa Sổ Ngữ Cảnh 256K 🤯

Cả Laguna M.1 và Laguna XS.2 đều được cung cấp với cửa sổ ngữ cảnh khổng lồ 256K. Việc mở rộng này cho phép các tác tử lập trình kiểm tra toàn bộ kho mã nguồn, đọc tài liệu thư viện chuyên sâu và giải quyết các lỗi phức tạp liên quan đến nhiều tệp. Đây là một bước đột phá quan trọng, giúp AI hiểu sâu hơn về bối cảnh mã nguồn.

Trên các bộ tiêu chuẩn (SWE-bench Verified, SWE-bench Pro, Terminal-Bench 2.0), cả hai mô hình đều giải quyết các tác vụ kỹ thuật phần mềm với hiệu quả cao so với các mô hình dày đặc (dense models) lớn hơn, minh chứng cho lợi ích to lớn của kiến trúc Mixture of Experts. Tuy nhiên, việc đánh giá hiệu quả thực tế trên các dự án quy mô lớn vẫn cần thời gian kiểm chứng.

4. Bộ Sản Phẩm Dành Cho Nhà Phát Triển của Poolside 🛠️

Để bổ sung cho việc phát hành mô hình, Poolside đang giới thiệu hai sản phẩm giúp quy trình làm việc tác tử trở nên liền mạch:

A. pool (Tác Tử Lập Trình Dựa Trên Terminal)

* pool là một tác tử lập trình nhẹ, dựa trên CLI và một client-server triển khai Giao thức Client Tác Tử (ACP). Điều này giúp tích hợp dễ dàng vào các công cụ hiện có. * Có thể dễ dàng cài đặt trên macOS/Linux: curl -fsSL https://downloads.poolside.ai/pool/install.sh | bash. * Tích hợp trực tiếp với các trình chỉnh sửa như Zed và JetBrains: pool acp setup --editor zed|jetbrains. * Cho phép thực thi Laguna XS.2 cục bộ, tự lưu trữ qua Ollama: ollama launch pool --model laguna-xs.2.

B. Shimmer (Môi Trường Sandbox Máy Ảo Đám Mây)

* Shimmer là một môi trường sandbox Máy Ảo khởi động tức thì với Poolside Agent được cài đặt sẵn. Điều này giúp các nhà phát triển nhanh chóng bắt đầu thử nghiệm. * Các nhà phát triển có thể biên dịch, xây dựng và chạy ngay lập tức các ứng dụng web, API và CLI trong một môi trường an toàn để kiểm tra hiệu suất lập trình tác tử của các mô hình. Một công cụ hữu ích để đánh giá khả năng của AI trong môi trường thực tế.

Cách Bắt Đầu 🚀

1. Khóa API: Có sẵn qua Nền tảng Poolside hoặc trên OpenRouter. Miễn phí trong giai đoạn xem trước. 2. Tải Trọng số: Truy cập Hugging Face để tải trọng số của Laguna XS.2. 3. Liên hệ: Liên hệ [email protected] cho các nhóm lớn hơn hoặc để yêu cầu trọng số của Laguna M.1.

Với việc ra mắt Laguna M.1 và XS.2, Poolside đang đặt nền móng cho một kỷ nguyên mới của lập trình tác tử AI. Chúng ta hãy cùng chờ xem những tác động thực tế của các mô hình này đến ngành công nghiệp phần mềm trong tương lai gần! 🤔