探秘模型工厂：Poolside AI 的 Eiso Kant 谈 Laguna S 2.1 如何以十分之一参数规模超越 Thinking Machines

在最新一期 Latent Space 播客中，Poolside AI 联合创始人 Eiso Kant 详细介绍了其“模型工厂”的运作机制。该工厂通过流式数据直接注入训练、可复现实验设计等工程系统，实现了从预训练到发布仅需八周的高效流程。Laguna S 2.1 作为最新成果，以远小于 Thinking Machines 模型的参数规模取得了更优性能，这一对比凸显了工程优化和数据质量的重要性。

Kant 回顾了公司从早期投入 1200 万美元构建代码语言模型，到如今成为开源模型标杆的历程。他认为代码生成是通向 AGI 的关键路径，而 ChatGPT 的成功正是对这一信念的验证。Poolside 坚持开源权重和开放研究，旨在推动社区协作而非封闭竞争。

对于当前 AI 领域的开源与闭源、美国与中国的模型主权之争，Kant 表达了独特观点：他宁愿生活在一个有 100 家基础模型公司的世界，即使 Poolside 只是其中之一，也不愿看到少数巨头垄断。这种对多样性和开放生态的推崇，为中文 AI 从业者提供了关于技术路线和商业模式的深刻思考。

本期节目还深入探讨了模型工厂的工程细节，包括如何管理海量实验、确保数据质量以及加速训练周期。这些实践对于国内 AI 团队优化研发流程具有直接参考价值。