Belakangan ini, perlombaan AI terasa seperti pertandingan tenis. Pertama, Anthropic meluncurkan model proprietary terbaru, Claude Opus 4.7, yang dibanderol dengan harga cukup tinggi. Tak lama setelah itu, OpenAI merespons dengan versi mereka, GPT-5.5. Di sisi lain, perusahaan-perusahaan Cina seperti DeepSeek dan Xiaomi berusaha menarik perhatian pengguna dengan pendekatan berbeda, menekankan pada lisensi terbuka dan biaya yang jauh lebih rendah.
Namun, muncul kejutan ketika sebuah startup AI dari AS yang lebih kecil dan kurang dikenal, Poolside, memperkenalkan kontender open source yang terjangkau dan sangat efisien. Mereka baru saja meluncurkan dua model bahasa besar terbaru, Laguna, yang menawarkan kecerdasan yang sesuai untuk alur kerja yang lebih kompleks. Model ini tidak hanya bisa bercakap-cakap atau menghasilkan konten, tetapi juga bisa menulis kode, menggunakan alat pihak ketiga, dan melakukan tindakan secara mandiri. Mereka juga memperkenalkan alat baru bernama “pool” dan lingkungan pengembangan berbasis web dan mobile bernama “shimmer”, yang memungkinkan pengguna menulis kode dengan model Laguna saat bepergian.
Model AI baru dari Poolside yang diluncurkan adalah:
-
Laguna M.1: model proprietary dengan 225 miliar parameter dan 23 miliar parameter aktif. Model unggulan ini dioptimalkan untuk lingkungan perusahaan dan pemerintah yang membutuhkan pemecahan masalah rekayasa perangkat lunak yang kompleks dan jangka panjang.
-
Laguna XS.2: model open licensed 33 miliar parameter dengan 3 miliar parameter aktif. Didesain untuk efisiensi, model ini cocok untuk tugas pengkodean lokal dan memberi dasar yang fleksibel bagi pengembang untuk menyesuaikan atau menjalankan agen yang kuat tanpa koneksi internet, menjaga privasi dan keamanan data mereka.
Menariknya, saat ini hanya model XS.2 yang tersedia secara open source di bawah lisensi Apache 2.0. Namun, Poolside juga menawarkan model M.1 secara gratis untuk sementara melalui API dan mitra distribusi, seperti OpenRouter, Ollama, dan Baseten. Ini adalah kesempatan bagus bagi pengembang yang ingin mencoba model ini.
Salah satu hal yang membedakan Poolside adalah mereka melatih kedua model Laguna dari nol, dibandingkan dengan beberapa laboratorium di AS yang menggunakan model dasar dari Alibaba untuk pelatihan. Ini menunjukkan komitmen mereka pada inovasi dan penelitian.
Dalam sebuah pernyataan, Poolside menyatakan bahwa mereka telah menghabiskan beberapa tahun terakhir melayani klien pemerintah dan sektor publik dengan model yang dapat diterapkan di lingkungan dengan keamanan tinggi, dan sekarang membuka akses untuk mendukung pembangun serta komunitas riset yang lebih luas.
Proses Pelatihan Model Laguna M.1 dan XS.2
Poolside membangun model AI mereka dalam lingkungan digital khusus yang disebut “Model Factory”. Di balik proses ini ada software internal yang kuat, Titan, yang bertindak sebagai “perapian” untuk pelatihan. Untuk membantu AI belajar dengan lebih efisien, Poolside menggunakan alat unik bernama Muon optimizer.
Muon berfungsi seperti tutor berkinerja tinggi yang membuat model belajar sekitar 15% lebih cepat dibandingkan metode standar industri, yang sangat penting saat pelatihan menggunakan skala 30 triliun token. Ini menjamin setiap pembaruan pada “otak” model seimbang secara matematis dan mengarah ke jalur yang benar.
Data yang digunakan untuk melatih model ini dipilih secara cermat menggunakan sistem bernama AutoMixer, yang memastikan kombinasi kode, matematika, dan data web umum yang terbaik untuk menghasilkan kemampuan penalaran yang unggul.
Setelah model menyelesaikan pelatihan dasar, model tersebut memasuki gym virtual untuk Reinforcement Learning. Di tahap ini, AI belajar memecahkan masalah rekayasa perangkat lunak nyata dalam lingkungan virtual yang aman, memperoleh umpan balik positif setiap kali berhasil memperbaiki bug atau menulis kode yang berfungsi.
Sementara M.1 adalah yang terbaik dalam penelitian Poolside saat ini, Laguna XS.2 mungkin menjadi entri yang lebih revolusioner.
Performa Model Laguna yang Mengesankan
Dalam pengujian SWE-bench Pro, Laguna M.1 mencapai 46.9%, mendekati performa dari model yang jauh lebih besar seperti Qwen-3.5 dan DeepSeek V4-Flash.
Meski lebih kecil, Laguna XS.2 berhasil mencetak 44.5% di SWE-bench Pro dan menunjukkan efisiensi yang luar biasa, hampir menyamai angka kakaknya.
Dari pengujian ini, jelas bahwa fokus Poolside pada Reinforcement Learning dan kurasi data sintetis memungkinkan model yang lebih kecil untuk bersaing di level yang biasanya diisi oleh arsitektur yang jauh lebih kompleks.
Menggunakan Laguna XS.2 Secara Lokal
Untuk menjalankan model Laguna XS.2 (33B) secara lokal, perangkat keras pengguna harus mampu mengakomodasi 33 miliar parameter. Di Apple Silicon, kebutuhan dasar adalah 36 GB memori terpadu. Sementara untuk pengguna PC dan Linux, meski biasanya memerlukan lebih dari 60 GB VRAM, dukungan untuk kuantisasi 4-bit (Q4) memungkinkan model ini berjalan pada GPU kelas konsumen.
Poolside juga merekomendasikan penggunaan Ollama atau terminal-based agent mereka, pool, untuk mengelola kemampuan reasoning dan pemanggilan alat model di perangkat keras konsumen.
pool dan shimmer: Produk Unggulan Poolside
Model AI hanya berguna dalam lingkungan yang mereka huni, dan Poolside telah merilis dua produk “preview” untuk mendukung seri Laguna: pool dan shimmer. Pool adalah agent coding berbasis terminal yang dirancang untuk lingkungan lokal pengembang, sedangkan shimmer memperkenalkan visinya untuk pengembangan berbasis cloud.
Dengan rencana mereka ini, Poolside mengundang komunitas pengembang untuk ikut serta dalam “gym dunia nyata” yang akan melatih model masa depan mereka.
Filozofi dan Pendekatan Poolside
Pokok dari filosofi Poolside adalah bahwa pengembangan perangkat lunak merupakan proksi terbaik untuk kecerdasan umum. Mereka percaya bahwa kemampuan untuk membuat perangkat lunak seharusnya mencerminkan kecerdasan manusia.
Dengan kombinasi performa tinggi dan komitmen pada open weights, Poolside menunjukkan arah inovatif menuju Artificial General Intelligence (AGI) yang dapat diakses oleh lebih banyak orang.
