深入模型工厂：Poolside AI 的 Eiso Kant 谈高效训练与开源策略

近几个月来，开盘与闭盘的关系，以及美国与中国关于模型所有权和主权/本地人工智能的讨论已经达到了激烈的状态。 所以这是一个非常非常好的消息泳池边人工智能终于出现了新模式， 比如拉古纳 S 2.1， 即比Thinking Machines最近的发行量大了近十倍.Poolside最近的科技报告由于细节丰富， 获得了大量赞誉，Vibhu首先在我们的纸质俱乐部报道了Laguna最近的技术报告：

@latentspacepod我们Laguna M.1/XS.2技术报告的解析！潜空间纸质俱乐部刚刚做了深入分析，他们的收获完美地体现了我们通过模型工厂所建立的目标。 视频中的几句引用🧵👇（1/6）\nyoutu.be/QLfZamyMls0“， ”用户名“：”Escant“，”Name“：Eiso Kant，”profile_image_url“：”pbs.substack.com/profile_images/1842230143965675520/j6mVG2Py_normal.jpg“， ”date“：”2026-05-28T20：34：07.000Z“，”photos“： []，”quoted_tweet“：{}，”reply_count“：1， ”retweet_count“：8，”like_count“：47，”impression_count“： 11267，”expanded_url“：null，”video_url“： null，”video_preview_media_key“：null， ”belowTheFold“：false}” data-component-name=“Twitter2ToDOM”>

从在全球还未关心之前花费1200万美元构建代码语言模型，到打造一个模型工厂， 能在八周内将模型从预训练带到发布，Eiso Kant十多年来一直押注代码是通往通用人工智能的道路。 在本期节目中，Poolside联合创始人与swyx和Vibhu一起解释了为什么ChatGPT让人觉得是被证明了正确的理由， 为什么Poolside拥抱开放重量和开放研究，以及为什么他宁愿生活在一个有100家基金会模型公司的世界里， 而不是只有五家，即使Poolside是其中之一。

我们深入探讨了Poolside的模型工厂：每月1万至2万次实验背后的工程系统， 数据直接流入训练，可重复实验，低精度计算，以及越来越多编写代码、启动作业、 评估结果和修改流水线的代理......