풀사이드, 오픈소스 코딩 AI '라구나 S 2.1' 출시…"10배 큰 대형 모델 성능 넘어"

오픈소스 AI 진영이 폐쇄형 모델과의 격차를 빠르게 좁혀가는 가운데, 미국 AI 스타트업 풀사이드(Poolside)가 장시간 자율 작업에 특화된 새로운 오픈소스 코딩 모델 '라구나 S 2.1(Laguna S 2.1)'을 공개했다. 1180억개 규모의 전문가 혼합(MoE) 모델이지만, 1조개 이상 매개변수를 갖춘 대형 모델들을 앞서는 성능을 기록해, 오픈웨이트 코딩 AI 시장의 새로운 주요 경쟁자로 떠올랐다. 풀사이드는 21일(현지시간) 최신 오픈웨이트 코딩 모델 '라구나 S 2.1'을 공개했다. 풀사이드는 깃허브 CTO 출신인 제이슨 워너 등이 2023년 설립했으며, 엔비디아 등으로부터 투자 유치로 기업 가치는 140억달러(약 20조7000억원)에 달하는 것으로 알려졌다. 특히, 스타트업으로는 이례적으로 자체 코딩 모델 개발을 위해 미국 텍사스에 2기가와트(GW) 규모의 전용 AI 캠퍼스를 구축 중이다. 또 코어위브와 계약을 통해 4만대 이상의 엔비디아 'GB300 NVL72' 및 'H200' 등 GPU 클러스터를 확보한 것으로도 유명하다. 이를 통해 개발한 라구나 S 2.1은 총 1180억개의 매개변수를 갖춘 MoE 구조를 채택했지만, 실제 추론 시에는 토큰당 80억개의 매개변수만 활성화해 높은 성능과 비용 효율성을 동시에 확보했다. 또 '사고(Thinking)'와 일반 모드 모두에서 최대 100만 토큰의 컨텍스트 창을 지원해 장시간 이어지는 에이전트형 코딩 작업에 최적화됐다. 무엇보다 벤치마크 결과가 돋보인다. 장기 코딩 에이전트 성능을 평가하는 '터미널-벤치(Terminal-Bench) 2.1'에서 70.2%를 기록하며 전체 11위에 올랐다. 이는 1조6000억개 매개변수의 딥시크-V4-프로-맥스(64.0%), 싱킹 머신즈의 9750억개 규모 '잉클링'(63.8%), 엔비디아의 5500억개 '네모트론 3 울트라'(56.4%)를 모두 앞서는 성과다. 소프트웨어 엔지니어링 벤치마크에서도 강세를 보였다. 'SWE-벤치 다국어'에서는 78.5%, 'SWE-벤치 프로' 공개 데이터셋에서는 59.4%를 기록하며 다양한 프로그래밍 환경에서 높은 문제 해결 능력을 입증했다. 특히 모델 규모보다 학습 방식과 추론 전략을 개선하는 데 집중했다. '최대 사고' 모드를 활성하면 터미널-벤치 점수는 60.4%에서 70.2%로, 딥SWE 점수는 16.5%에서 40.4%로 크게 향상됐다. 풀사이드는 단순히 모델 크기를 키우는 것이 아니라 검증, 반복 수정, 실패 후 재시도 등 에이전트의 작업 습관을 강화한 것이 핵심 경쟁력이라고 설명했다. 개발 속도도 눈길을 끈다. 지난 5월22일 사전학습을 시작한 뒤 9주가 채 되지 않아 공개 출시됐다. 학습에는 엔비디아 'H200' GPU 4096개가 동원됐으며, 내부 개발 플랫폼인 '모델 팩토리(Model Factory)'를 통해 연구와 사후학습 과정을 자동화해 짧은 기간 안에 성능을 끌어올렸다고 밝혔다. 이번 모델은 이전 'XS 2.1'과 동일한 사전 학습 데이터를 사용했지만, 모델 확장과 학습 코드 개선, 강화학습(RL) 최적화 등으로 성능을 크게 향상했다. 특히 FP8 정밀도를 활용한 강화학습을 처음 적용해 학습 효율도 높였다. 풀사이드는 평가의 신뢰성을 높이기 위해 모든 최종 벤치마크 실행 과정도 공개했다. 각 테스트에서 모델이 수행한 추론 과정과 도구 호출, 터미널 명령어까지 모두 제공해 최근 AI 업계에서 논란이 되는 벤치마크 과적합과 '리워드 해킹' 문제를 최소화하겠다는 방침이다. 허깅페이스를 통해 모델 가중치를 공개했으며, BF16·FP8·INT4·NVFP4 버전과 GGUF, MLX 변환 모델도 제공한다. vLLM, 올마(Ollama), SGLang, 버셀 AI 게이트웨이, 오픈라우터 등 주요 오픈소스 생태계도 모델을 지원한다. 박찬 기자 cpark@aitimes.com