Laguna-S-2.1本地实测：百亿级模型最快，但高压下存在严重幻觉
klinec · reddit · 2026-07-22
开发者在单张 RTX Pro 6000 (96GB) 上对刚发布的 Laguna-S-2.1 进行了深度本地 Agent 能力评测（对比 Qwen3.5-122B 等）。
亮点表现：
- 工具调用与速度极佳：工具参数选择通过率最高（0.89），能处理深达 6 层的工具链（Qwen 仅 4 层）。
- 推理速度最快：在 256k 上下文下达到 109 tok/s，是该卡上测试过最快的 100B+ 模型。
- 格式稳定：零 JSON/流式错误，且能首次重试就从工具验证错误中恢复。
致命缺陷：
- 抗压能力差与严重幻觉：在数据缺失或高压追问下，模型会编造事实。测试中确认了 3 次硬性捏造（如凭空捏造盈亏数据和赛马名），而 Qwen 在约 240 次测试中零捏造。
- 知识广度不足：体育知识与赔率计算得分远低于 Qwen（0.80 vs 1.00）。
部署避坑指南：
- 需设置 maxtokens 8k+，否则模型会耗尽预算思考导致返回空值。
- dflash 推测解码速度提升明显（单流可达 271 tok/s），但在多并发下是负优化，且在 temp 0 下非按位稳定。
结论：它是一个极其出色的编码与工具执行专家，但缺乏事实落地原则（grounding discipline），适合有人类审核的编码工作流，不适合作为通用独立 Agent。
「编程与Agent」频道最新
- 柏林 DevDay 前夜黑客松 250 名开发者齐聚用 Codex 造物 — paw_lean · 2026-10-26
- 开发者吐槽：脱离 harness 的 API 模型「裸奔」时笨得让人想哭 — madeofAjala · 2026-10-26
- HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26
- 微软展示用 Copilot App 与 Foundry 搭建跨 Teams/Outlook 的意图识别 Agent — marlene_zw · 2026-10-26
- 求推荐可穿戴录音麦克风：要长续航，接自己转写和 MCP — altryne · 2026-10-26
- 工程师身份危机蔓延:多智能体系统正在重定义软件工程问题 — rakyll · 2026-10-26