Poolside lança Laguna S 2.1: modelo de código aberto 118B corresponde a modelos 10x maiores, treina em menos de 9 semanas

<cite index="21-2">Poolside lançou Laguna S 2.1, um sistema Mixture-of-Experts (MoE) de 118 bilhões de parâmetros que ativa apenas 8 bilhões de parâmetros por token, suporta uma janela de contexto de até 1 milhão de tokens</cite>, e <cite index="21-2">corresponde ou supera modelos abertos várias vezes seu tamanho em tarefas de codificação agentic</cite>. <cite index="21-2">Os pesos estão disponíveis imediatamente no Hugging Face sob a licença permissiva OpenMDW-1.1</cite>.

<cite index="21-4">Laguna S 2.1 marca 70,2% em Terminal-Bench 2.1, colocando-a em 11º lugar no leaderboard compilado da empresa — à frente do DeepSeek-V4-Pro-Max, um modelo de 1,6 trilhão de parâmetros que marcou 64,0</cite>. <cite index="21-4">Em SWE-Bench Multilingual, marca 78,5%, e no dataset público SWE-Bench Pro, 59,4%</cite>. <cite index="22-5">Laguna S 2.1 levou menos de 4 semanas para treinar de ponta a ponta em 4.000 H200 GPUs</cite>.

<cite index="21-5">O negócio principal da Poolside é implementar modelos dentro dos limites de segurança do governo, defesa e empresas reguladas — clientes para os quais acesso à API metrificada fechada geralmente não é aceitável</cite>. Para equipes que executam cargas de trabalho de codificação agentic, a capacidade de auto-hospedar um modelo 118B MoE em um único DGX Spark remove atrito de dependência de API; a licença de código aberto e benchmarks reproduzíveis importam mais neste segmento de mercado do que posição no leaderboard de fronteira.