Платформа ИИ-КОМФОРТ пополнилась двумя новыми языковыми моделями — Laguna XS.2 и Laguna M.1 от стартапа Poolside. В отличие от универсальных нейросетей, эти модели изначально заточены на работу с программным кодом: они способны анализировать целые репозитории, выявлять ошибки и предлагать исправления. Рассказываем, чем они отличаются и как их можно применить в корпоративной среде.
Что такое Laguna M.1 и XS.2
Poolside — молодой ИИ-стартап, который разрабатывает нейросети специально для задач разработки (agentic coding). Его флагманская модель Laguna M.1 и компактная Laguna XS.2 теперь доступны пользователям платформы. Обе модели построены на архитектуре Mixture-of-Experts (MoE), что позволяет им эффективно распределять вычислительные ресурсы.
Laguna M.1 — флагман для сложных инженерных задач
M.1 — это «тяжёлая» модель с 225 млрд параметров, из которых при каждом запросе активируются только 23 млрд. Она обучалась на датасете из 30 триллионов токенов с использованием тысяч графических процессоров NVIDIA H200. На бенчмарке SWE-bench Verified, который проверяет способность решать реальные задачи из GitHub, модель показывает результат 72,5% — это уровень лидеров рынка вроде Claude 3.5 Sonnet и GPT-4o.
Окно контекста в 131 000 токенов позволяет «скармливать» модели целые репозитории кода. Благодаря технологии Sliding Window Attention она обрабатывает длинные файлы без перегрузки памяти, что особенно важно при работе с большими проектами.
Laguna XS.2 — компактная и открытая альтернатива
XS.2 — это облегчённая версия с 33 млрд параметров (всего 3 млрд активных). Модель распространяется по открытой лицензии Apache 2.0, поэтому её можно развернуть локально. Несмотря на скромный размер, XS.2 достигает 44,5% на SWE-bench Pro, что делает её одной из самых сильных моделей в своём классе.
Она идеально подходит для быстрых итераций, когда нужно проанализировать небольшой фрагмент кода или получить подсказку без запуска тяжёлой инфраструктуры.
Как использовать новые модели на платформе
В ИИ-КОМФОРТ нет отдельного агентского режима — все модели работают через корпоративный чат. Однако Laguna M.1 и XS.2 отлично справляются с задачами, которые обычно решают ИИ-агенты: анализ кода, поиск ошибок, рефакторинг и генерация документации.
Анализ кода в базах знаний
Ключевая особенность платформы — возможность загружать корпоративные документы в базы знаний (RAG). Если в вашей компании накоплены файлы с исходным кодом, скриптами или технической документацией, Laguna M.1 может проанализировать их в контексте. Например:
- найти логические ошибки в разрозненных фрагментах кода;
- сопоставить код из разных файлов и выявить несоответствия;
- предложить оптимизацию алгоритмов на основе загруженных примеров.
Благодаря большому контекстному окну M.1 способна «видеть» весь репозиторий целиком, не теряя связей между модулями.
Быстрая проверка и рефакторинг
Для повседневных задач — проверить синтаксис, переписать функцию на современный стандарт или добавить комментарии — достаточно Laguna XS.2. Она работает быстро и не требует значительных ресурсов сервера. Это удобно, когда нужно получить результат за пару секунд, не отвлекаясь от основного рабочего процесса.
Почему это важно для бизнеса
Ручное сопровождение кода — одна из самых затратных частей разработки. Ошибки, несоответствия стандартам, устаревшие алгоритмы — всё это замедляет выпуск продукта. Модели Laguna позволяют автоматизировать часть этой работы прямо внутри корпоративной среды.
Все данные остаются на изолированном сервере компании, а руководитель получает полный контроль над тем, какие файлы загружаются и анализируются. Никакой утечки кода за пределы инфраструктуры — только защищённый канал между платформой и провайдерами ИИ.
Подробнее о других доступных моделях и их настройках — в каталоге моделей.
Итог
Добавление Laguna M.1 и XS.2 расширяет возможности платформы для команд разработки. Флагманская модель справляется с анализом крупных проектов, а компактная — с быстрыми правками. Теперь разработчики могут использовать современные ИИ-инструменты без перехода на сторонние сервисы и без риска для корпоративных данных.