Poolside heeft met Laguna S 2.1 een open-weight coding model uitgebracht dat opvalt door zijn compactheid en sterke score in benchmarks. Het model telt 118 miljard parameters, maar activeert er per token slechts 8 miljard. Toch klopt het op agentic coding-taken concurrenten die tien keer groter zijn. De gewichten staan direct beschikbaar op Hugging Face onder OpenMDW-1.1 licentie.

Poolside is een AI-lab uit San Francisco dat de voorbije drie jaar vooral coding-modellen leverde aan overheden en defensieklanten. Nu zet Poolside in op radicale transparantie als concurrentiestrategie. Van start van de pre-training op 22 mei tot publieke lancering werd gerealiseerd in minder dan negen weken. Het model werd getraind op 4.096 Nvidia H200 GPU’s.

Waarom een sparse Mixture-of-Experts het verschil maakt

De kern van Laguna S 2.1 is een Mixture-of-Experts architectuur met 256 gerouteerde experts en één gedeelde expert. Per token worden slechts 10 experts geactiveerd, wat betekent dat de inferentiekosten schalen met de 8 miljard actieve parameters, niet met de 118 miljard. Grouped-query attention met 8 KV-heads, afgewisselde sliding-window layers met een venster van 512 tokens en een FP8 KV-cache houden het geheugengebruik onder controle.

De BF16-gewichten wegen ongeveer 235 GB en vragen dus een multi-GPU node, maar de gequantiseerde varianten in NVFP4 of INT4 draaien op een enkele Nvidia DGX Spark. De 4-bit GGUF-variant van 75 gigabyte laat lokaal gebruik toe voor teams die willen experimenteren zonder cloudkosten. Voor wie het model via een endpoint aanspreekt, hanteert Poolside op OpenRouter een tarief van 0,10 dollar per miljoen input tokens en 0,20 dollar per miljoen output tokens. 10 keer goedkoper dan de meeste frontier-modellen.

Benchmarkscores tegen aanzienlijk grotere modellen

De cijfers die Poolside publiceert zetten Laguna S 2.1 stevig op de kaart. Op Terminal-Bench 2.1 scoort het model 70,2%. Ter vergelijking, DeepSeek-V4-Pro-Max met 1,6 biljoen parameters haalt 64,0%, Inkling van Thinking Machines met 975 miljard parameters komt op 63,8%, en Nvidia’s Nemotron 3 Ultra met 550 miljard parameters blijft steken op 56,4%. Op SWE-Bench Multilingual scoort Laguna S 2.1 78,5%, en op de publieke dataset van SWE-Bench Pro noteert het 59,4%.

Gesloten modellen zoals GPT-5.6 Sol, Claude Fable 5 en Kimi 3 halen rond de 88% op Terminal-Bench 2.1. De positie van Laguna S 2.1 opvallend, omdat geen enkel westers lab in de elf maanden vóór deze release nog open weights uitbracht in deze gewichtsklasse. De laatste was OpenAI met gpt-oss-120b in augustus vorig jaar.

Thinking mode en tokenverbruik

Het model kent een thinking mode die per verzoek aan of uit gaat. Het verschil is groot. Op Terminal-Bench 2.1 klimt de score van 60,4% naar 70,2% met thinking ingeschakeld, en op DeepSWE gaat de score van 16,5% naar 40,4%. Die winst komt met een kostenplaatje: het model verbruikt gemiddeld ongeveer 249.000 completion tokens per traject op de zwaarste benchmark met thinking aan. Er is momenteel geen instelbare thinking-dial, alleen aan of uit.

Pengming Wang, co-hoofd toegepast onderzoek bij Poolside, wijt de sprong minder aan ruwe intelligentie en meer aan werkgewoontes: meer verificatie, minder vroegtijdige conclusies, meer volharding.

Publicatie van volledige benchmark trajectories

Het bedrijf publiceerde de volledige, ongewijzigde trajectory van elke trial in zijn finale benchmark runs, inclusief elke redeneerstap, tool call en shell command. Dat is zeldzaam in een sector waar zelfgerapporteerde scores hun geloofwaardigheid deels verloren hebben door reward hacking.

Poolside geeft ook eigen problemen toe.

Drie casestudies die persistence illustreren

De gepubliceerde voorbeelden geven een beeld van waar het model toe in staat is. In één sessie bouwde Laguna S 2.1 vanuit een lege map een werkende HTML/CSS rendering engine in 181 stappen, in 50 minuten onbewaakte werktijd.

In een tweede test werd het model losgelaten op Poolside’s eigen agent harness in een automated optimization loop. Het maakte de Go codebase 5,2% sneller met ongeveer 70% minder memory allocation, en vond onderweg een O(n²) string-concatenation bug.

In een derde test, in een sandbox zonder Python, deed het model zijn number theory in Perl en herleidde het onafhankelijk een bewijs van Erdős probleem #397, een combinatorisch vraagstuk dat vijftig jaar open stond tot GPT-5.2 Pro het afgelopen januari kraakte. Poolside benadrukt dat de constructie van hun model structureel anders is dan het eerder gepubliceerde bewijs, en dat de knowledge cutoff van november 2025 vóór dat eerste bewijs valt.

Beperkingen die Poolside zelf documenteert

Laguna S 2.1 is niet zonder gebreken en Poolside benoemt ze expliciet. Het model kan overfitten op zijn native harness en struikelen over lichtjes afwijkende tool schemas in third-party agents. JSON in geneste tool-argumenten wordt soms verhaspeld, en voor wiskundige problemen is er een neiging tot overthinking.

De strategische inzet achter een open release

Poolside’s businessmodel draait om deployments binnen de security perimeter van overheden, defensie en gereguleerde ondernemingen. Voor die klanten is API access vaak geen optie, zowel om compliance- als soevereiniteitsredenen. Elke onderneming die vandaag standaardiseert op een Chinees open model, wordt moeilijker te winnen voor Poolside morgen. Een competitief westers alternatief uitbrengen dient dus zowel een ecosysteemdoel als een commerciële funnel.

Co-founder Eiso Kant verwoordde het filosofisch op X: intelligentie zal een commodity worden, en het open ecosysteem wint niet door beter te zijn in zijn eigen categorie, maar door minstens gelijkwaardig te zijn aan gesloten alternatieven. Voor Poolside verschuift de strijd zo weg van frontier-scale capex, waar het bedrijf niet kan meekomen, naar terrein waar het wel kan concurreren: cost per token, self-hosting en snelheid van iteratie.