Poolside Laguna: Open-Weight-Coding-Modelle, die über ihrer Klasse spielen
Am 2. Juli 2026 veröffentlichte Poolside AI — ein in den USA ansässiges Foundation-Model-Lab, das rund 2 Mrd. $ bei einer 12-Mrd.-$-Bewertung mit Beteiligung von NVIDIA aufgenommen hat — seine ersten öffentlichen Modelle: die Laguna-Familie. Drei MoE-Coding-Modelle, alle unter der permissiven OpenMDW-1.1-Lizenz veröffentlicht, mit demselben Pretraining-Korpus und Unterschieden hauptsächlich darin, wie groß die Maschine ist, auf der sie laufen. Zwei Wochen später erweiterten sie die Familie um Laguna S 2.1, ein 118B/8B-aktives MoE, das DeepSeek-V4-Pro-Max auf DeepSWE v1.1 schlägt (40,4 % vs. 9,0 %), obwohl es nur ein Sechstel der Parameter aktiviert, und 78,5 % auf SWE-Bench Multilingual erreicht — der höchste veröffentlichte Wert auf dieser Rangliste zum Launch.
Diese Seite ist der praktische Feldführer für die Familie: was jede Größe wirklich interessant macht, die zwei Trainingspipeline-Entscheidungen, die in der Berichterstattung meist übersehen wurden, das ehrliche Benchmark-Bild gegen geschlossene Frontier- und Open-Weight-Konkurrenten, wie man sie heute lokal betreibt, und die konkreten Aufgaben, bei denen ein Griff zu einem Laguna gegenüber Claude, GLM-5.2 oder Kimi K3 die richtige Wahl ist.
- Die Familie auf einen Blick kennen — drei Größen, ein Korpus, eine Lizenz — und wissen, welche Größe zu deiner Hardware passt
- Verstehen, warum 8B aktive Parameter 1,6T Gesamt-Parameter schlagen können: MoE-Routing + coding-spezialisiertes Post-Training
- Das ehrliche Benchmark-Bild über SWE-Bench Multilingual, Terminal-Bench 2.1, DeepSWE v1.1 und SWE-Bench Pro lesen können
- Die zwei Pipeline-Premieren kennen, die das Verhalten des Modells prägen — RL in FP8 und Multi-Harness-Training
- Laguna in drei Zeilen über OpenRouter zum Laufen bringen, oder lokal via GGUF/MLX auf einem MacBook oder DGX Spark
- Entscheiden, wann Laguna das richtige Werkzeug ist vs. Claude Opus 5, GLM-5.2, Kimi K3 oder GPT-5.5
Die Familie auf einen Blick
Drei Modelle, ein gemeinsamer Pretraining-Lauf, drei Hardware-Umgebungen. Das ist Absicht: Poolside hat einmal vortrainiert und pro Größe nachtrainiert, sodass die Persönlichkeit über die Familie hinweg konsistent ist und du eine Größe basierend auf der verfügbaren Box wählst, nicht auf der Aufgabenform.
| Modell | Gesamt-Params | Aktive Params | Kontext | Ziel-Hardware | Lizenz |
|---|---|---|---|---|---|
| Laguna XS 2.1 | 33B (MoE) | 3B | bis 256K | Einzelnes Laptop / MacBook-GPU | OpenMDW-1.1 |
| Laguna S 2.1 | 118B (MoE) | 8B | bis 1M | Einzelner DGX Spark oder H200 bei FP8 | OpenMDW-1.1 |
| Laguna M.1 | 225B (MoE) | 23B | 256K+ | Enterprise-Multi-GPU-Node | OpenMDW-1.1 |
Die drei praktischen Erkenntnisse aus dieser Tabelle:
- Gleicher Korpus über die gesamte Familie. Das Post-Training von Laguna S 2.1 fügte keine neuen Daten zu denen von XS 2.1 hinzu — die S-2.1-Ankündigung sagt das explizit. Verhaltensverbesserungen kommen von der größeren Modellklasse und einem anderen Post-Training-Rezept, nicht vom Füttern mit neuen Dokumenten. Das bedeutet: Fine-Tuning-Erkenntnisse übertragen sich sauber über die Größen.
- Die Spalte der aktiven Parameter ist entscheidend für die Inferenzkosten. Bei 8B aktiv hat Laguna S 2.1 pro Token das Rechenprofil eines 8B-Dense-Modells, nicht eines 118B-Modells. Das ist der Unterschied zwischen „läuft auf einem einzigen Accelerator" und „braucht ein Rack".
- OpenMDW-1.1 ist eine echte permissive Lizenz, keine source-available Lizenz. Sie wurde von der Linux Foundation veröffentlicht, um die Lücke zwischen traditionellen Open-Source-Lizenzen (die Gewichte und Daten nicht sauber abdecken) und „offenen" Vendor-Lizenzen (die kommerzielle Nutzung heimlich verbieten) zu schließen. Gewährt uneingeschränkte, lizenzfreie Rechte über Copyright, Patent, Datenbank und Geschäftsgeheimnis hinweg; Outputs sind explizit unbelastet.
Drei Dinge, die aus den Schlagzeilen nicht offensichtlich sind
1. RL in FP8 ist eine echte technische Neuerung, kein Marketing
Reinforcement Learning für LLM-Post-Training lief historisch in BF16, weil man annahm, das Gradient-Rauschen bei FP8-Präzision würde das winzige Signal, das RL liefert, in die Luft jagen. Poolside behauptet öffentlich, Laguna S 2.1 sei das erste Frontier-Modell, das mit RL in FP8 trainiert wurde. Wenn das stimmt — und bis Anfang August 2026 ist kein Gegenbeispiel aufgetaucht — halbiert das den Speicherbedarf der RL-Phase und lässt einen gegebenen Cluster RL-Compute für Aufgaben ausgeben, die vorher zu teuer waren.
Die praktische Konsequenz für Nutzer: Poolsides RL-Phase war selektiv. Sie berichten von 409k Trainingsumgebungen (83k Terminal, 168k Software-Engineering), wobei SFT die meisten Verhaltensweisen aus synthetischen Daten bootstrappt und RL für die schwierigsten Probleme reserviert ist. Das zeigt sich in den Benchmark-Deltas — der Thinking-Mode-Boost auf DeepSWE v1.1 geht von 16,5 % → 40,4 % — das ist die Form, die man erwartet, wenn RL gezielt auf hartes Reasoning verwendet wurde, statt über alle Aufgaben verteilt.
2. Multi-Harness-Training ist der Grund, warum es in Third-Party-Agenten nicht umkippt
Coding-Modelle werden normalerweise innerhalb eines Agent-Harness trainiert (dem eigenen Scaffold des Anbieters) und dann in Dutzenden anderer (Cursor, Cline, Aider, Continue, Kilo etc.) eingesetzt. Die Lücke zwischen Trainings- und Deployment-Harness ist der Ort, an dem viele „der Benchmark hat funktioniert"-Fehler entstehen. Poolside trainierte Laguna über 83k Terminal-Umgebungen und 168k Software-Engineering-Umgebungen, die mehrere Harnesses umfassen — das ist der Mechanismus, dem sie zuschreiben, dass das Modell vom ersten Tag an außerhalb ihres eigenen Scaffolds nutzbar ist.
Das sichtbare Anzeichen von Multi-Harness-Training in Lagunas berichtetem Verhalten: Beharrlichkeit (bricht einen Ansatz nach einem fehlgeschlagenen Tool-Aufruf nicht ab), Verifikation zuerst (liest den eigenen Output erneut, bevor es ihn abschickt) und Einfallsreichtum (findet alternative Pfade, wenn der direkte blockiert ist). Das sind Agent-Verhaltensweisen, keine Next-Token-Verhaltensweisen — sie ergeben sich nicht aus mehr Pretraining-Daten.
Die bekannten Einschränkungen, die direkt auf dieselbe Design-Entscheidung zurückgehen, sollte man kennen, damit man nicht überrascht ist:
- Kämpft mit leichten Schema-Variationen in Third-Party-Harnesses vs. Poolsides nativem — der Harness muss „nah genug" an etwas aus den 409k Trainings-Envs aussehen.
- Emittiert manchmal falsch escapetes JSON in verschachtelten Tool-Aufrufen innerhalb von Arrays. Selten, aber real.
- Überdenkt Mathematik-Wettbewerbsaufgaben — Extended Thinking läuft länger als nötig bei AIME-artigen Aufgaben. Für Coding in Ordnung, für Mathematik verschwenderisch.
3. Das Aktive-Parameter-Verhältnis ist die ganze Geschichte bei den Kosten
Die auffällige Zahl ist 1,6T vs. 8B: Laguna S 2.1 schlägt DeepSeek-V4-Pro-Max (1,6T gesamt) auf DeepSWE v1.1 um 31,4 Punkte, während es ein Sechstel der Parameter pro Token aktiviert. Aber die nützliche Perspektive sind die Inferenzkosten:
| Modell | Aktive Params / Token | Grober Compute pro Token | Referenz-API-Preis* |
|---|---|---|---|
| Laguna XS 2.1 | 3B | ~3B Dense-Äquivalent | Free-Tier / $0,05-Bereich |
| Laguna S 2.1 | 8B | ~8B Dense-Äquivalent | $0,10 in / $0,20 out pro M (OpenRouter) |
| GLM-5.2 | ~40B | ~40B Dense-Äquivalent | $1,20-1,40 in / $4,10-4,40 out pro M |
| Kimi K3 | ~32B | ~32B Dense-Äquivalent | ähnlich wie GLM-Bereich |
| Claude Opus 5 (Frontier) | dense, nicht offengelegt | Frontier | $15 in / $75 out pro M |
Die 150×-Lücke pro Token zwischen S 2.1 auf OpenRouter und Claude Opus 5 ist kein fairer Kampf für Schlagzeilenerzeugung, aber das nützliche Verhältnis ist S 2.1 vs. die anderen Open-Weight-Frontier-Modelle (GLM-5.2, Kimi K3): Laguna ist ~12× billiger pro Output-Token, mit SWE-Bench-Multilingual-Werten in derselben Liga. Das ist die Preisumgebung, die verändert, welche Arbeit ökonomisch sinnvoll an ein Modell übergeben werden kann.
Benchmark-Bild — die ehrliche Version
Die zum Launch von S 2.1 berichteten Werte, gegengecheckt zwischen Poolsides eigenem Post und Third-Party-Berichterstattung:
| Benchmark | Laguna S 2.1 | Was es misst | Anmerkungen |
|---|---|---|---|
| SWE-Bench Multilingual | 78,5 % | Reale GitHub-Fix-Aufgaben über viele Sprachen | Höchster veröffentlichter Open-Weight-Score zum Launch |
| Terminal-Bench 2.1 | 70,2 % (thinking) / 60,4 % (non-thinking) | Lange Shell-Workflows | ~10 Punkte Thinking-Mode-Uplift |
| SWE-Bench Pro (Public) | 59,4 % | Härtere autonome Repo-Level-Fixes | Frontier Closed-Modelle noch vorn |
| DeepSWE v1.1 | 40,4 % (thinking) / 16,5 % (non-thinking) | Harte SWE-Benchmarks | Schlägt DeepSeek-V4-Pro-Max bei 9,0 % trotz ~1/200 der aktiven Params |
| SWE Atlas (Codebase QnA) | 46,2 % | Große Repos verstehen | Vor den DeepSWE-Zahlen |
| Toolathlon Verified | 49,7 % | Multi-Tool-Orchestrierung | Mittelfeld |
Drei Interpretationsregeln zum Lesen dieser Werte:
- SWE-Bench Multilingual und Terminal-Bench 2.1 sind die ernst zu nehmenden Zahlen für ein agentisches Coding-Modell. Sie bilden Arbeit ab, die man tatsächlich zuweisen würde — „behebe diesen Bug in einem realen Repo", „bring diesen Shell-Workflow ins Grün". Poolside führt beide auf der Open-Weight-Seite an.
- Closed Frontier gewinnt immer noch bei den härtesten Benchmarks. Claude Fable 5 und Kimi K3 führen bei SWE-Bench Pro und einigen Toolathlon-Slices. Lest Lagunas Launch nicht als „Anthropic ist geschlagen" — lest es als „die Open-Weight-Decke fürs Coding wurde gerade um mehrere Punkte angehoben".
- Thinking-Mode ist nicht kostenlos, aber dort steckt der Großteil des Gewinns. Terminal-Bench 60,4 % → 70,2 %, DeepSWE 16,5 % → 40,4 %. Wer Thinking aus Kostengründen abschaltet, verschenkt einen großen Teil des Modells.
Laguna zum Laufen bringen
- OpenRouter, Baseten Model Library, Vercel AI Gateway und Kilo/Cline/Hermes-Integrationen boten alle Day-One-Zugang. OpenRouters Listenpreis zum Launch: $0,10 pro M Input, $0,20 pro M Output, mit einem kostenlosen 256K-Kontext-Tier zur Evaluierung. OpenAI-kompatibler Chat-Completions-Endpoint — Base-URL und Model-ID tauschen.
- XS 2.1 (33B/3B MoE) hat GGUF- und MLX-Konvertierungen. Auf einem 32-64GB MacBook läuft es mit nutzbaren Geschwindigkeiten unter llama.cpp oder MLX. Das ist die Größe, die man verwendet, wenn man einen Coding-Assistenten will, der niemals das Laptop verlässt.
- Memory-Footprint pro Präzision: BF16 ~236GB (braucht 2 Sparks oder einen Multi-GPU-Node), FP8 ~118GB (einzelner Spark oder H200), INT4 ~59GB (passt bequem in den 128GB Unified Memory eines einzelnen Spark). vLLM, SGLang und Ollama alle zum Launch unterstützt. NVFP4-Gewichte auch für die neuesten NVIDIA-Karten veröffentlicht.
- chat.poolside.ai bedient die Familie ohne Authentifizierung für interaktive Evaluierung. Damit ein Bauchgefühl aufbauen, bevor man es in einen Agenten einbindet.
Laguna S 2.1 via OpenRouter aufrufen (Python)
import os, openai
client = openai.OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key=os.environ["OPENROUTER_API_KEY"],
)
resp = client.chat.completions.create(
model="poolside/laguna-s-2.1",
messages=[
{"role": "system", "content": "You are a senior engineer. Reply with a unified diff, no prose."},
{"role": "user", "content": "Fix the off-by-one in this function:\n\ndef last_n(xs, n): return xs[-n-1:]"},
],
)
print(resp.choices[0].message.content)Wann man zu Laguna vs. den Alternativen greifen sollte
Die pragmatische Entscheidungslandkarte, angesichts der Modelllandschaft Anfang August 2026:
| Aufgabe | Beste Wahl | Warum |
|---|---|---|
| Langhorizontiger Repo-Level-Bugfix, budget-sensitiv | Laguna S 2.1 | Top Open-Weight SWE-Bench Multilingual, ~12× billiger pro Output-Token als GLM-5.2 oder Kimi K3 |
| Agentisches Coding auf einem MacBook, Offline erforderlich | Laguna XS 2.1 | 3B aktive Params + MLX-Build; nichts anderes in dieser Größe erreicht vergleichbares SWE-Bench Multilingual |
| Absolute Frontier-Genauigkeit bei den härtesten Aufgaben, Kosten egal | Claude Opus 5 oder Fable 5 | Closed Frontier führt noch bei SWE-Bench Pro und den härtesten Slices |
| 1M-Token-Kontext auf einem Repo, permissive Lizenz nötig | GLM-5.2 oder Laguna S 2.1 | Beide bieten 1M-Kontext unter permissiven Lizenzen; GLM-5.2 ist stärker im allgemeinen Reasoning, Laguna ist stärker im agentischen Coding |
| Multi-Tool-Orchestrierung mit engen Tool-Call-Semantiken | Claude oder Kimi K3 | Lagunas mittelfeld-Toolathlon-Score und der bekannte JSON-Escaping-Edge-Case machen es hier zu einer schwächeren Default-Wahl |
| Regulierte Umgebung, keine Daten dürfen die Box verlassen | Laguna S 2.1 selbst gehostet | OpenMDW-1.1 gewährt uneingeschränkte kommerzielle Nutzung, US-Herkunfts-Lab; FP8 passt auf einen einzelnen Accelerator |
Der Einzeiler: Laguna ist der aktuelle Sweet Spot, wenn man Frontier-klasse Coding-Verhalten mit kleinem Aktive-Parameter-Budget will und Lizenz und Herkunft wichtig sind. Nutze es, wenn diese Einschränkungen binden; greife zu Claude oder Closed Frontier, wenn nicht.
Weiterführende Literatur
- GLM-5.2: Open-Weight-Frontier-Coding-Modell — der direkte Vergleichspunkt beim anderen Open-Weight-Führer; anderer architektonischer Trick (IndexShare) für dasselbe 1M-Kontext-Ziel.
- Kimi K3 Open-Weight Frontier — das andere große Open-Weight-Frontier-Coding-Modell, dichtere Params, andere Verhaltensumgebung.
- DeepSeek & Qwen: Open-Models-Playbook — Hintergrund zur Open-Weight-Coding-Landschaft, mit der Laguna konkurriert.
- Modelle lokal mit Ollama betreiben — die lokale Runtime, die du für XS 2.1 nutzen wirst.
- Lokale Coding-Agenten — wo XS 2.1 in die Local-Agent-Geschichte passt.
- AI Gateways: LiteLLM, OpenRouter, Portkey — wie man Laguna in einen bestehenden OpenAI-kompatiblen Stack einbindet.
- Was KI bei den Anbietern kostet — die Preis-pro-Aufgabe-Sicht, die Lagunas Verhältnis sichtbar macht.
Prüf deinen Griff
Check yourself
0/4Quellen & weiterführende Lektüre
- Introducing Laguna S 2.1 — Poolside — der Launch-Post mit Trainingspipeline, Benchmark-Tabelle und Inferenzoptionen.
- Poolside AI Launches Open-Weight 'Laguna' Coding Models — Open Source For You — Familienübersicht mit XS 2.1- und M.1-Specs.
- American AI startup Poolside launches free, high-performing open model Laguna XS.2 — VentureBeat — die Launch-Berichterstattung vom 2. Juli für die anfängliche Familie.
- Poolside drops Laguna S 2.1, an open-weight coding model that beats rivals 10x its size — VentureBeat — Post-Launch-Analyse zur Vergleichsposition von S 2.1.
- Poolside Releases Laguna S 2.1 — MarkTechPost — Architektur- und Benchmark-Cross-Check.
- Laguna XS 2.1 review — explainx.ai — Hands-on-Eindrücke und Hardware-Notizen.
- OpenMDW-Lizenz — Linux Foundation — die Lizenz, unter der alle drei Laguna-Modelle ausgeliefert werden.