<cite index="21-2">Poolside lanzó Laguna S 2.1, un sistema Mixture-of-Experts (MoE) de 118 mil millones de parámetros que activa solo 8 mil millones de parámetros por token, soporta una ventana de contexto de hasta 1 millón de tokens</cite>, y <cite index="21-2">coincide o supera modelos abiertos varias veces su tamaño en tareas de codificación agentic</cite>. <cite index="21-2">Los pesos están disponibles inmediatamente en Hugging Face bajo la licencia permisiva OpenMDW-1.1</cite>.
<cite index="21-4">Laguna S 2.1 puntúa 70,2% en Terminal-Bench 2.1, colocándola en el 11º lugar en el leaderboard compilado de la empresa — por delante de DeepSeek-V4-Pro-Max, un modelo de 1,6 billones de parámetros que anotó 64,0</cite>. <cite index="21-4">En SWE-Bench Multilingue, anota 78,5%, y en el conjunto de datos público SWE-Bench Pro, 59,4%</cite>. <cite index="22-5">Laguna S 2.1 tardó menos de 4 semanas para entrenar de punta a punta en 4.000 H200 GPUs</cite>.
<cite index="21-5">El negocio principal de Poolside es implementar modelos dentro de los límites de seguridad del gobierno, defensa y empresas reguladas — clientes para quienes el acceso a API metrificada cerrada a menudo no es aceptable</cite>. Para equipos que ejecutan cargas de trabajo de codificación agentic, la capacidad de auto-alojar un modelo 118B MoE en un único DGX Spark elimina la fricción de dependencia de API; la licencia de código abierto y los benchmarks reproducibles importan más en este segmento de mercado que la posición del leaderboard de frontera.