최근 AI 개발 커뮤니티에서 풀사이드의 라구나 XS.2 와 M.1 시리즈가 뜨거운 감자로 떠오르고 있습니다. 단순히 모델 파라미터 수나 성능 지표만 놓고 보면 기존 대형 모델들과 비교해 압도적인 수치를 자랑하지는 않지만, 이 시리즈가 주목받는 핵심 이유는 ‘모델과 에이전트 런타임을 함께 공개했다’는 점에 있습니다. 풀사이드는 라구나 M.1 과 XS.2 를 공개함과 동시에, 이 모델들을 구동하기 위한 에이전트 환경인 ‘풀’과 ‘샤이머’를 프리뷰 상태로 내놓았습니다.
라구나 M.1 은 총 2,250 억 파라미터에 활성 파라미터 230 억을 가진 모델로, 장기간에 걸친 복잡한 코딩 작업을 수행하도록 설계되었습니다. 반면 라구나 XS.2 는 총 330 억 파라미터에 활성 파라미터 30 억으로, 단일 GPU 에서도 구동 가능한 크기를 가지면서도 동급 모델 대비 뛰어난 효율성을 보여줍니다. 특히 XS.2 는 아파치 2.0 라이선스로 오픈 가중치가 공개되어, 개발자들이 직접 모델을 다운로드하여 실험해 볼 수 있다는 점이 큰 호응을 얻고 있습니다.
커뮤니티의 반응을 살펴보면, 많은 사용자가 단순히 모델 자체의 성능보다는 이를 구동하는 에이전트 시스템의 완성도에 주목하고 있습니다. 실제로 제드(Zed) 에디터 환경에서 풀사이드의 에이전트를 테스트한 사용자들은, 에이전트가 ACP 명세를 잘 준수하며 기존 코드엑스나 오픈코드보다 더 매끄러운 경험을 제공한다고 평가했습니다. 이는 대부분의 연구실이 모델 가중치만 던져주고 에이전트 레이어를 사용자가 직접 구성하게 만드는 것과 대조되는 지점입니다. 풀사이드는 RL 학습에 사용하던 런타임을 그대로 제품화하여 배포했기 때문에, 단순 데모가 아닌 실제 생산 환경에서 검증된 경험을 제공할 수 있었습니다.
물론 아직은 불확실한 부분도 존재합니다. 일부 분석가들은 라구나 M.1 이나 XS.2 가 최근 공개된 Qwen3.6 의 특정 버전이나 다른 소형 모델들에 비해 절대적인 성능 우위를 점했는지에 대해 의문을 제기하기도 합니다. 특히 Qwen3.6 의 350 억 파라미터 모델이 라구나 XS.2 는 물론 M.1 과도 비교될 만한 성능을 보인다는 평가가 나오면서, 풀사이드가 왜 독자적인 모델 학습에 리소스를 할당했는지에 대한 질문도 제기됩니다. 하지만 풀사이드의 전략은 특정 모델의 절대적 성능 경쟁보다는, 코딩을 통해 에이전트가 스스로 도구를 구성하고 병렬 작업을 수행할 수 있는 ‘소프트웨어 중심의 에이전트’ 패러다임을 증명하는 데 더 무게를 두고 있습니다.
앞으로 주목해야 할 점은 이 모델들이 실제 개발 현장에서 얼마나 확장성을 가지며, 오픈 가중치를 통해 커뮤니티가 어떻게 모델을 개선해 나갈지입니다. 풀사이드는 라구나 패밀리 모델을 지속적으로 확장하고 스케일업할 계획이라고 밝혔으며, 특히 코딩 능력을 기반으로 한 에이전트의 진화 경로를 보여줄 것으로 기대됩니다. 단순한 모델 출시를 넘어 에이전트 생태계의 실행 가능성을 검증하려는 시도가 향후 AI 개발 트렌드에 어떤 영향을 미칠지 지켜볼 필요가 있습니다.
작성자 소개
