---
title: "풀사이드, 로컬에서 돌리는 코딩 에이전트 모델 ‘라구나 XS.2’ 오픈소스로 공개"
published: 2026-04-29T08:23:03.741Z
canonical: https://jeff.news/article/1935
---
# 풀사이드, 로컬에서 돌리는 코딩 에이전트 모델 ‘라구나 XS.2’ 오픈소스로 공개

풀사이드가 장시간 소프트웨어 작업에 맞춘 코딩 에이전트 모델 ‘라구나’ 시리즈를 공개했다. 핵심은 330억 매개변수 경량 모델 라구나 XS.2를 아파치 2.0 라이선스의 오픈 웨이트로 풀어, 개발자가 로컬 환경에서 실행·수정·배포할 수 있게 한 점이다.

- 풀사이드가 코딩 에이전트용 모델 ‘라구나’ 시리즈를 공개함. 포인트는 챗봇이 아니라, 실제 개발 작업을 여러 단계로 밀고 가는 모델이라는 점임
  - 첫 모델은 대형 플래그십 ‘라구나 M.1’과 경량형 ‘라구나 XS.2’ 두 개
  - 파일 읽기, 테스트 실행, 코드 수정처럼 개발자가 IDE에서 반복하는 작업을 모델이 이어서 처리하도록 학습됨
  - 풀사이드는 이걸 “코드 추천 챗봇”이 아니라 “동료 엔지니어”에 가깝다고 설명함

- 라구나 M.1은 2250억 매개변수 규모의 전문가 혼합 모델임
  - 30조 개 토큰으로 처음부터 자체 학습됐고, 실제 소프트웨어 문제 해결 벤치마크에서 높은 성능을 냈다고 밝힘
  - 전문가 혼합(MoE) 구조라 모든 파라미터를 매번 쓰는 대신 작업에 맞는 일부 전문가를 활용하는 쪽에 가까움

- 더 눈에 띄는 쪽은 330억 매개변수짜리 라구나 XS.2임. 이 모델은 아파치 2.0 라이선스의 오픈 웨이트로 공개됨
  - 허깅페이스에서 가중치를 받을 수 있고, 인터넷 연결 없이 로컬 환경에서 실행 가능
  - 수정·배포도 가능해서, 폐쇄망이나 보안 요구가 빡센 조직에서 실험하기 좋음
  - 작은 모델인데도 대형 모델에 근접한 성능을 보여 효율성을 강조했다는 게 풀사이드의 메시지

> [!IMPORTANT]
> 라구나 XS.2의 핵심은 “작은 코딩 모델”이 아니라 “로컬에서 돌릴 수 있는 에이전트형 코딩 모델”이라는 점임. 개발 환경 데이터가 외부 API로 나가는 걸 꺼리는 팀에 꽤 중요한 차이임.

- 학습 쪽에서도 에이전트 작업에 맞춘 설계가 들어감
  - 웹 데이터뿐 아니라 약 13% 비중의 합성 데이터를 활용해 학습 효율을 높였다고 함
  - 자체 개발한 ‘뮤온’ 옵티마이저로 학습 속도를 기존 대비 약 15% 개선
  - 실제 소프트웨어 개발 환경을 모사한 샌드박스에서 비동기 강화학습을 돌려, 장시간 작업에서도 안정성을 유지하도록 학습시킴

- 모델만 낸 게 아니라 실행 환경도 같이 공개함
  - ‘풀’은 에이전트가 작업 중 멈춰도 메모리와 파일 상태를 보존해서 이어서 작업할 수 있게 하는 프레임워크
  - ‘쉬머’는 즉시 실행 가능한 가상 개발 환경을 제공해 웹이나 모바일에서도 AI와 함께 코드를 작성하고 실행하는 흐름을 노림
  - 코딩 에이전트가 진짜 유용해지려면 모델 성능만큼이나 상태 보존, 실행 환경, 테스트 루프가 중요한데 그 지점을 같이 건드린 셈

- 풀사이드는 원래 정부·공공 부문처럼 보안 요구가 높은 시장에 AI를 공급해 왔는데, 이번 공개로 민간 개발자와 기업 쪽까지 넓히려는 전략임
  - XS.2 오픈소스 공개는 글로벌 AI 생태계에서 존재감을 키우려는 카드로 보임
  - 코딩 에이전트 시장이 클라우드 API 중심에서 로컬·온디바이스 실행까지 확장되는 흐름과도 맞물림

---

## 기술 맥락

- 이번 선택의 핵심은 “모델이 코드를 잘 짠다”보다 “긴 개발 작업을 끊기지 않고 이어갈 수 있느냐”예요. 일반 챗봇은 한 번 답변하고 끝나는 경우가 많지만, 코딩 에이전트는 파일을 읽고 테스트를 돌린 뒤 실패하면 다시 고쳐야 하거든요.

- 라구나가 샌드박스 기반 비동기 강화학습을 강조한 이유도 여기에 있어요. 실제 개발에서는 정답 코드 한 줄보다, 실패한 테스트를 보고 다음 행동을 고르는 능력이 더 중요할 때가 많아요.

- XS.2를 330억 매개변수 오픈 웨이트로 낸 건 배포 레이어의 선택이에요. 클라우드 API만 제공하면 편하긴 하지만, 기업 내부 코드나 정부·공공 데이터처럼 외부 전송이 부담스러운 환경에서는 로컬 실행 가능성이 바로 경쟁력이 돼요.

- ‘풀’과 ‘쉬머’를 같이 공개한 것도 모델 단품으로는 에이전트 경험이 완성되지 않기 때문이에요. 작업 상태를 보존하고, 실행 가능한 개발 환경을 붙여야 모델이 실제로 코드를 만들고 검증하는 루프를 돌 수 있어요.

## 핵심 포인트

- 라구나 M.1은 2250억 매개변수 규모의 전문가 혼합 모델이고, 라구나 XS.2는 330억 매개변수 경량 오픈 웨이트 모델
- 라구나 시리즈는 파일 읽기, 테스트 실행, 코드 수정처럼 여러 단계가 필요한 개발 작업을 에이전트 방식으로 수행하도록 학습
- 학습에는 약 13%의 합성 데이터와 자체 뮤온 옵티마이저가 쓰였고, 뮤온은 학습 속도를 약 15% 개선
- 라구나 XS.2는 아파치 2.0 라이선스로 공개돼 인터넷 연결 없이 로컬 실행과 수정·배포가 가능
- 풀사이드는 에이전트 실행 프레임워크 ‘풀’과 개발 환경 ‘쉬머’도 함께 공개

## 인사이트

코딩 에이전트 경쟁이 클라우드 API 성능 싸움에서 로컬 실행 가능성과 작업 지속성 싸움으로 넘어가는 분위기다. 특히 온디바이스·폐쇄망 환경이 중요한 조직이라면 오픈 웨이트 코딩 모델은 꽤 현실적인 선택지가 될 수 있다.