如何打造前沿模型工厂：Poolside AI揭示118B MOE模型Laguna S背后的训练体系
talkingdev • 2026-07-24
1680 views
Poolside AI联合首席执行官Eiso Kant深度分享了其团队如何以精简但高效的研究架构，构建起能够训练118B参数混合专家模型Laguna S的“模型工厂”。Laguna S在实际表现中据称超越了Thinky近1万亿参数的开放权重模型，显示出小规模顶尖团队在系统设计与训练效率上的巨大潜力。Kant强调，这一工厂化训练体系并非简单堆砌算力，而是通过高度工程化的数据管线、自定义训练框架和严密的实验追踪，实现快速迭代和可复现的性能提升。这种做法将模型开发从“手工作坊”推向工业化生产，极大压缩了从实验到部署的周期。对行业而言，这标志着在前沿模型竞争日趋激烈的背景下，精巧的系统集成能力正在成为与参数规模同等重要的差异化优势，且这套基础设施的潜力仅刚刚展现。
核心要点
- Poolside AI小团队构建的模型工厂成功训练出118B MOE模型Laguna S，性能超越更大规模的开源模型。
- 工厂化体系依赖自定义数据管线、训练框架和实验追踪，实现高效迭代与性能复现。
- 该实践证明了系统集成能力与部署效率在前沿模型竞争中的核心价值。