Poolside veröffentlicht Laguna S 2.1 — ein Open-Weight-Modell für agentisches Programmieren, das in SWE-Bench Multilingual über seiner Gewichtsklasse boxt

Poolside hat Laguna S 2.1 veröffentlicht, ein Open-Weight-Modell für agentisches Codieren mit 118 Milliarden Parametern, von denen dank der Mixture-of-Experts (MoE)-Architektur pro Token etwa 8 Milliarden aktiviert werden. Das Modell unterstützt einen Kontext von bis zu 1 Million Token, sowohl im Reasoning-Modus als auch ohne. Die Gewichte sind unter der Lizenz OpenMDW-1.1 auf Hugging Face verfügbar, und die Modellgröße ermöglicht den Betrieb auf einem einzelnen NVIDIA DGX Spark. In Benchmarks für langes Codieren zeigt Laguna S 2.1 Ergebnisse, die mit Modellen vergleichbar sind, die mehrere Male größer sind, einschließlich DeepSeek-V4-Pro-Max, Nemotron 3 Ultra und Inkling. Beispielsweise erreichte das Modell im SWE-Bench Multilingual 78,5 % – das beste veröffentlichte Ergebnis unter Modellen mit offener Größe. Im Terminal-Bench 2.1 mit aktiviertem Reasoning-Modus lag das Ergebnis bei 70,2 %. Im DeepSWE v1.1-Test erzielte das Modell 40,4 % gegenüber 9,0 % bei DeepSeek-V4-Pro-Max bei etwa sechsmal weniger aktiven Parametern. Das Modell hat zwei Reasoning-Modi: aus und maximal (Standard). Im maximalen Modus bestimmt das Modell selbst das Rechenbudget, was im DeepSWE zu einer Steigerung von 16,5 % auf 40,4 % führt, allerdings auf Kosten einer höheren Tokenanzahl (von 99k auf 249k). Das Team von Poolside hat drei unredigierte Trajektorien der Modellarbeit veröffentlicht: die Erstellung eines funktionierenden HTML/CSS-Browser-Engines aus einem leeren Ordner, die Optimierung der eigenen Agent-Engine (Beschleunigung um 5,2 % und Reduzierung der Speicherzuweisung um 71 %) sowie die unabhängige Wiederentdeckung der Lösung des Erdős-Problems Nr. 397 in Perl. Für die Bereitstellung verbleiben die vollen 118 Milliarden Parameter im Speicher. Bei 4-Bit-Quantisierung (NVFP4 oder INT4) belegen die Gewichte etwa 59 GB, was in die 128 GB Unified Memory eines einzelnen DGX Spark passt. Bei FP8 sind es etwa 118 GB (ein Spark oder H200), bei BF16 236 GB (zwei Spark oder ein Multi-GPU-Knoten). Das Training begann am 22. Mai 2026 auf 4096 NVIDIA H200 und dauerte weniger als neun Wochen. Das Modell ist auch über OpenRouter, vLLM, SGLang, Ollama und andere Plattformen verfügbar.