Poolside przedstawił Lagunę S 2.1, 118-miliardowy model otwartowagowy z architekturą Mixture-of-Experts, który na benchmarkach kodowania konkuruje z modelami kilkakrotnie większymi, takimi jak DeepSeek-V4-Pro-Max czy NVIDIA Nemotron 3 Ultra. Praktycznie na każdym tokenie aktywuje się zaledwie około 6,8 procent parametrów, co oznacza że cały model pozostaje w pamięci, ale przez sieć przepływa tylko około 8 miliardów parametrów. Ta rzadkość parametrów pozwala modelowi behawioralnie przypominać znacznie większy system przy znacznie niższych kosztach eksploatacji.
Model obsługuje okno kontekstu do 1 miliona tokenów w trybie myślenia i bez niego, a jego wagi dostępne są na Hugging Face na licencji OpenMDW-1.1 w formatach BF16, FP8, INT4 i NVFP4. Poolside dostarczył również oficjalne konwersje GGUF i MLX oraz modele DFlash draft. Laguna S 2.1 jest wystarczająco mała by działać na pojedynczym GPU NVIDIA DGX Spark, co stanowi znaczącą zaletę dla ekonomiki rozwoju aplikacji. Trening zajął niecałe dziewięć tygodni na 4096 GPU NVIDIA H200, a był to pierwszy model Poolside, w którym reinforcement learning przebiegał w precyzji FP8.
Model zdobywa 70,2 procenta na Terminal-Bench 2.1 z włączonym trybem myślenia, zajmując pierwsze miejsce wśród otwartych modeli o ujawnionym rozmiarze na skompilowanym przez Poolside rankingu. Ten wynik jest szczególnie ważny dla ekosystemu otwartych modeli, ponieważ pokazuje że zaawansowaną zdolność kodowania można osiągnąć bez skalowania parametrów do miliardów, otwierając drzwi dla bardziej zrównoważonych ekonomicznie rozwiązań dla deweloperów i firm.