Im Quellenvergleich
Worin die Quellen übereinstimmen
Das KI-Unternehmen Poolside hat das Codierungsmodell Laguna S 2.1 veröffentlicht. Es handelt sich um ein Mixture-of-Experts-Modell mit 118 Milliarden Parametern, von denen pro Token acht Milliarden aktiv sind. Das Kontextfenster umfasst bis zu einer Million Token. Auf dem Terminal-Bench 2.1 erreicht das Modell 70,2 Prozent. Die Gewichte sind auf Hugging Face unter einer offenen Lizenz verfügbar. Zu den Einschränkungen zählen eine Neigung zu Fehlern bei JSON und übermäßig langen Denksequenzen bei mathematischen Aufgaben.
Worin sie sich unterscheidenPositionierung und Zielgruppe des Modells·Leistungsvergleich mit anderen Modellen·Entwicklungsdetails und Transparenz+1 weitere
Positionierung und Zielgruppe des Modells- Poolside positioniert das Modell als Antwort auf die Dominanz chinesischer Open-Weight-Modelle und verkauft es an Regierungen und Verteidigungsbehörden.1
- Das Unternehmen sieht das Modell als zweite Achse neben der reinen Modellskalierung, die das Arbeitsverhalten verbessert.2
Leistungsvergleich mit anderen Modellen- Das Modell übertrifft auf Benchmarks offene Modelle, die ein Vielfaches größer sind, etwa das 1,6-Billionen-Parameter-Modell DeepSeek-V4-Pro-Max (64,0). Geschlossene Modelle wie GPT-5.6 Sol (88,8) liegen weiterhin deutlich vor Laguna S 2.1.1
- Auf dem DeepSWE-Benchmark erreicht das Modell 40,4 Prozent.2
Entwicklungsdetails und Transparenz- Poolside veröffentlichte alle Benchmark-Trajektorien vollständig, um Glaubwürdigkeitsprobleme bei KI-Benchmarks zu adressieren.1
- Das Post-Training erfolgte auf 409.000 Umgebungen. Zwischen Trainingsbeginn und Launch lagen weniger als neun Wochen.2
Modus und Verhalten des Modells- Das Modell bietet einen Thinking- und einen No-Thinking-Modus.2
- Laut Poolside verbessert das Modell nicht die Intelligenz, sondern das Arbeitsverhalten: mehr Verifikation, weniger vorschnelle Erfolgsmeldungen und mehr Beharrlichkeit.2