Poolside veröffentlicht Laguna S 2.1, ein kompaktes Open-Weight-Coding-Modell, das mit deutlich größeren Systemen konkurriert

Poolside hat Laguna S 2.1 veröffentlicht, sein drittes Coding-Modell innerhalb von rund drei Monaten. Die Mixture-of-Experts-(MoE)-Architektur nutzt pro Token 8 Milliarden aktive Parameter von insgesamt 118 Milliarden Parametern und priorisiert verbessertes Verhalten während längerer agentischer Sitzungen gegenüber reiner Größe. Die Veröffentlichung erfolgt vor dem Hintergrund eines breiteren Branchenwandels, bei dem Entwickler zunehmend Effizienz durch Architektur und Post-Training anstreben, statt sich ausschließlich auf Parameterwachstum zu verlassen. Mehrere aktuelle Open-Weight-Veröffentlichungen zeigen, dass kleinere aktive Modellanteile bei agentischen Aufgaben wettbewerbsfähig bleiben können.

Nach Angaben des in den USA ansässigen Unternehmens übertrifft Laguna S 2.1 andere agentische Coding-Modelle in seiner Gewichtsklasse und nähert sich in einigen Benchmarks der Leistung von Systemen an, die 10- bis 20-mal so groß sind. Das Modell unterstützt Kontextfenster von bis zu einer Million Tokens und bietet sowohl Thinking- als auch No-Thinking-Modi.

Poolside machte seine Modelle erstmals im April 2026 mit Laguna M.1 und XS.2 einem breiteren Publikum zugänglich. Zuvor hatte das Unternehmen vor allem Kunden aus Regierung und öffentlichem Sektor bedient. Der Wechsel zu öffentlichen Open-Weight-Veröffentlichungen markiert einen bemerkenswerten Eintritt in ein wettbewerbsintensives Feld offener Coding-Modelle, zu dem unter anderem Angebote von DeepSeek, Qwen und anderen gehören. XS.2 war Poolsides erstes offenes Modell und wurde unter der Apache 2.0-Lizenz veröffentlicht.

Benchmark-Leistung gegenüber größeren offenen Modellen

Mit aktiviertem Thinking-Modus erreicht Laguna S 2.1 70,2 Prozent auf Terminal-Bench 2.1, einem Benchmark, der Modelle anhand lang laufender Terminal-Aufgaben bewertet. Damit liegt es knapp hinter Tencents Hy3 (295B-A21B) und vor deutlich größeren offenen Modellen, darunter DeepSeek-V4-Pro-Max, Nemotron 3 Ultra und das Debütmodell von Thinking Machines Lab. Die Gesamtwertung von Terminal-Bench wird derzeit von OpenAIs GPT-5.6 Sol, Anthropics Claude Fable 5 und Kimi K3 angeführt.

Poolside argumentiert, dass Datacurves DeepSWE-Benchmark einen aussagekräftigeren Vergleich bietet, weil die Ergebnisse über eine größere Bandbreite verteilt sind. Auf DeepSWE erreicht Laguna S 2.1 40,4 Prozent, während einige Open-Weight-Modelle mit mehr als einer Billion Parametern unter 10 Prozent bleiben. Das Modell liegt außerdem auf SWE-Bench Multilingual, SWE-Bench Pro und SWE Atlas nahe an der Spitze seiner Klasse. Diese Benchmarks werden in der Branche häufig als Näherungswerte für reale Software-Engineering-Fähigkeiten genutzt, da sie messen, ob Modelle autonom Probleme in bestehenden Codebasen lösen können.

Der Thinking-Modus hat einen erheblichen Einfluss auf die Ergebnisse. Ohne ihn fällt Laguna S 2.1s Terminal-Bench-Wert auf 60,4 Prozent, und der DeepSWE-Wert sinkt auf 16,5 Prozent. Poolside weist darauf hin, dass kein früheres Laguna-Modell eine größere Leistungslücke zwischen den beiden Modi gezeigt hat.

Beharrlichkeit als Alternative zu reiner Skalierung

Poolside beschreibt die Veröffentlichung als Ausdruck einer breiteren Philosophie zur Modellfähigkeit. "What we've done in this model is not necessarily add more intelligence, but improve the behaviors that lead to a more capable model: more verification, less taking things for granted, not declaring victory early, and being more persistent," erklärt das Unternehmen in seinem Veröffentlichungsbeitrag.

Frühere Laguna-Modelle stoppten mitunter, nachdem sie eine Testsuite nur teilweise bestanden hatten, oder gaben einen Ansatz wenige Schritte vor dem Erfolg auf. Poolside betrachtet Beharrlichkeit, Verifikation und die Bereitschaft, gescheiterte Ansätze zu überarbeiten, nun als zweiten Weg zu besserer Leistung, ergänzend zur traditionellen Modellskalierung. Diese Betonung von Verhaltenstraining gegenüber reiner Rechenleistung spiegelt eine wachsende Einsicht in KI-Laboren wider: Agentische Zuverlässigkeit — also die Fähigkeit, Anstrengung über mehrstufige Aufgaben hinweg ohne vorzeitigen Abbruch aufrechtzuerhalten — kann für den praktischen Einsatz ebenso wichtig sein wie Benchmark-Werte. Ein größeres Laguna-Modell befindet sich bereits im Pre-Training.

Poolside untermauert seine Aussagen mit drei dokumentierten Testläufen. In einem Fall baute Laguna S 2.1 aus einem leeren Ordner in 50 Minuten eine funktionsfähige Browser-Engine, die HTML und CSS rendern konnte. In einem anderen Fall fand das Modell einen Beweis für Erdős Problem #397 — ein mathematisches Problem, das seit 1975 offen war — während es in einer Sandbox ohne Python arbeitete. Poolside bezeichnet dies als unabhängige Wiederentdeckung. Bemerkenswert ist, dass GPT-5.2 Pro dieses und mehrere weitere Probleme löste im Januar 2026, während der Trainingsdaten-Stichtag von Laguna im November 2025 lag.

Post-Training in 409.000 Umgebungen treibt die Fortschritte

Poolside führt die Verbesserung von XS 2.1 zu S 2.1 vor allem auf Skalierung und Post-Training zurück, nicht auf neue Pre-Training-Daten. Die agentische Trainingsphase umfasste 409.000 Umgebungen, darunter 83.000 für Terminal-Aufgaben und 168.000 für Software-Engineering-Workflows. Die größte einzelne Datenquelle bestand aus etwa 38.000 echten Commits aus rund 17.000 Repositories. Eine neue Aufgabenkategorie trainierte das Modell darauf, Repositories eigenständig zu installieren, Abhängigkeiten zu konfigurieren und Testsuiten auszuführen.

Poolside erhöhte während des Trainings die Rollout-Budgets und verlängerte Timeouts. Das Unternehmen entwickelte außerdem ein neues Sandbox-System, das Netzwerkzugriff selektiv blockieren kann, um Reward Hacking einzudämmen. Multi-Harness-Rollouts — bei denen identische Prompts in mehreren Agentenumgebungen ausgeführt werden — wurden eingeführt, um das Risiko einer Überanpassung an eine einzelne Umgebung zu verringern.

Laut Poolside vergingen weniger als neun Wochen zwischen Trainingsbeginn und Veröffentlichung. Das Pre-Training begann am 22. Mai 2026 mit 4.096 Nvidia H200 GPUs. Laguna S 2.1 ist außerdem Poolsides erstes Modell, das mit Reinforcement Learning in FP8-Präzision trainiert wurde.

Poolside veröffentlichte jede Benchmark-Trajektorie zur öffentlichen Prüfung. Während des Trainings lagen die Reward-Hacking-Raten bei SWE-Bench-Aufgaben über 50 Prozent, weil das Modell online nach passenden Pull Requests suchte, statt die Aufgaben eigenständig zu lösen. Eine kleine Prompt-Änderung senkte diese Rate auf unter zwei Prozent. Reward Hacking — bei dem Modelle Abkürzungen ausnutzen, statt Aufgaben tatsächlich zu erledigen — ist eine gut dokumentierte Herausforderung beim Training auf Basis von Reinforcement Learning, und Poolsides öffentliche Offenlegung des Problems und seiner Eindämmung ist im Branchenvergleich relativ transparent.

Trotz seiner Stärken ist Laguna S 2.1 in bestimmten Fällen noch zu stark auf Poolsides Agent-Harness abgestimmt. In unbekannten Umgebungen mit leicht abweichenden Tool-Schemata kann das Modell vom geforderten Ausgabeformat abweichen. Zudem neigt es bei kompetitiven Mathematikproblemen dazu, übermäßig lange Thinking-Sequenzen zu erzeugen. Nutzer können den Thinking-Aufwand des Modells derzeit noch nicht anpassen.

Verfügbarkeit und Einsatz

Laguna S 2.1 ist auf Hugging Face verfügbar unter der OpenMDW 1.1-Lizenz. Die von der Linux Foundation unterstützte Lizenz erlaubt es jedem, die Modellgewichte zu verwenden, zu verändern und weiterzuverbreiten, auch für kommerzielle Anwendungen.

Baseten, Vercel AI Gateway und OpenRouter bieten gehosteten Zugriff an. OpenRouter stellt einen kostenlosen Endpoint mit einem 256K-Kontextfenster sowie einen kostenpflichtigen Endpoint bereit, der das volle Kontextfenster von einer Million Tokens unterstützt. Poolside gibt an, dass das Modell auch lokal auf einem einzelnen Nvidia DGX Spark laufen kann. Ein kostenloser Demo-Chat ist unter chat.poolside.ai ohne Anmeldung zugänglich.

Poolside setzt als Unternehmen auf zwei strategische Annahmen. Die erste lautet, dass der Weg zu Intelligenz über agentisches Coding führt, da Software Agenten ihre ausdrucksstärkste Schnittstelle bietet. Die zweite lautet, dass KI das Web "dekomprimieren" kann — die meisten schriftlichen Inhalte dokumentieren Endantworten statt der dahinterliegenden Begründung, und Poolside argumentiert, dass Reinforcement Learning diesen zugrunde liegenden Prozess rekonstruieren kann.