Laguna M.1/XS.2 テクニカルレポート Laguna M.1/XS.2 Technical Report
長期的なエージェント型コーディング向けに設計されたMixture-of-Experts基盤モデル、Laguna M.1（2258億パラメータ）とXS.2を発表。
English summary
- arXiv:2605.27605v1 Announce Type: new Abstract: We present Laguna M.1 and Laguna XS.2, two Mixture-of-Experts foundation models built for long-horizon, agentic coding: M.1 has $225.8$B total parameter
本論文はLaguna M.1およびLaguna XS.2という2つのMixture-of-Experts（MoE）基盤モデルを紹介するテクニカルレポートです。M.1は総パラメータ数2258億を持ち、長期的かつエージェント的なコーディングタスクへの対応を主眼に設計されています。
XS.2は軽量モデルと推測されますが、詳細なパラメータ数や性能指標についてはarXivの原文を参照してください。MoEアーキテクチャの採用により、推論効率と能力のバランスを取ることが意図されていると考えられます。
エージェント型コーディングへの特化は、複数ステップにわたるコード生成・デバッグ・リファクタリングなどの実践的タスクを想定している可能性が高く、今後の実装評価結果に注目が集まります。
This technical report introduces Laguna M.1 and Laguna XS.2, two Mixture-of-Experts (MoE) foundation models developed with a focus on long-horizon, agentic coding. M.1 is the larger of the two, with 225.8 billion total parameters. The MoE architecture is likely chosen to balance raw capability with inference efficiency, though specific routing and activation details should be verified in the full paper.
XS.2 appears to be a smaller companion model, but its parameter count and design trade-offs are not detailed in the available abstract. Readers interested in benchmarks, training data, and evaluation methodology should consult the full arXiv paper at the provided URL.
The emphasis on agentic coding suggests these models are optimized for multi-step tasks such as code generation, debugging, and refactoring within autonomous workflows—an increasingly important capability frontier in AI research. Whether these models are publicly released or remain proprietary is not confirmed from the available context.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (arxiv.org) をご確認ください。