Laguna M.1
这是 PoolsideAI 面向 agentic coding 的公开基础模型，主要帮助开发者和研究者搭建代码代理、长上下文编程实验与本地/托管推理环境。
工具简介
结论上可把 Laguna M.1 视为“值得关注并可实际尝试的代码代理底座模型”，但现有证据更强地支持它“已公开、可接入、参数大、上下文长”，对其真实工程效果的外部实测仍偏少。它不是现成的 AI IDE，也不是自动交付完整软件的成品代理，更准确的类比是“面向 coding agent 的开源/开放权重基础模型 + 官方 agent harness 生态”。
实际作用主要在两类场景：一是通过 Poolside API、OpenRouter、Cline 等入口，把它接进现有编码工作流里做长上下文补全、代码代理、多步任务尝试；二是拿公开权重做本地或自管部署。官方与转述信息提到 256K context、已发布 base 与 post-trained checkpoints、Apache 2.0，以及技术报告与 pool agent harness。还有社区演示显示 Apple Silicon 上可跑 3-bit MLX 版本，约 26 tok/s、峰值内存约 100GB；但这只是单次社媒演示，不应当视为稳定门槛承诺。
门槛和成本方面，目前能确认的“官方信息”是：权重已公开、可经 Poolside API 和 OpenRouter 体验；“免费”更多来自 Cline/OpenRouter 相关社媒说法，不能外推为长期稳定价格。若你想本地跑，证据显示硬件门槛并不低，尤其长上下文与大模型体量会抬高显存/内存压力；Mac 本地运行案例说明“能跑”，不代表多数开发者都能低成本复现。若你只是想马上提高日常写码产能，它的集成、推理与评估成本可能高于直接用成熟闭源编码模型。
更适合的人群是：做 coding agent 研究、需要开放权重、想评估长上下文代码任务、或愿意自己搭 harness 的开发者；不太适合只想开箱即用、追求最低延迟/最低硬件成本、或需要大量第三方实测背书的团队。社媒共识是“发布热度高、技术定位清晰、生态接入快”，热度证明来自官方发布、高浏览转发、榜单与平台接入；但好用证明主要仍是官方技术报告、官方权重发布、少量接入帖与单机演示，外部深度教程和系统性 benchmark 讨论样本有限，因此讨论质量整体偏“发布与转发较多、实测较少、争议不强但独立验证不足”。