Was ist Laguna S 2.1?
Laguna S 2.1 ist Poolsides aktuelles Flaggschiff für Programmierung, veröffentlicht am 21. Juli 2026, die Gewichte erschienen am selben Tag auf Hugging Face. Es ist ein Mixture-of-Experts-Modell mit 118 Milliarden Parametern, davon etwa 8 Milliarden pro Token aktiv, und einem Kontext von 1.048.576 Tokens. Es arbeitet nur mit Text, ist für agentisches Programmieren gebaut und denkt zwischen Tool-Aufrufen nach; das Denken lässt sich pro Anfrage abschalten. Es liegt über Laguna XS 2.1 (33B) und schlägt laut Poolside das größere Laguna M.1 (225B) bei halber Laufzeitgröße.
Die Gewichte stehen unter OpenMDW-1.1, einer freizügigen Lizenz, die kommerzielle Nutzung und Änderungen ohne Rückfrage erlaubt. Poolside liefert BF16-, FP8-, NVFP4-, INT4- und GGUF-Versionen sowie ein DFlash-Draft-Modell für schnelleres Dekodieren. Der BF16-Checkpoint ist etwa 236 GB groß, und laut Poolside passt das Modell auf eine einzelne NVIDIA DGX Spark. Auf Hugging Face hat es 1.077 Likes und 584.050 Downloads in den letzten 30 Tagen.
Zum Start nannte Poolside einen kostenpflichtigen OpenRouter-Endpunkt mit 1 Mio. Kontext für 0,10 $ pro Million Input-Tokens, 0,20 $ pro Million Output-Tokens und 0,01 $ für Cache-Lesezugriffe, dazu einen kostenlosen Endpunkt mit 256K Kontext. Außerdem gibt es das Modell bei Baseten, Vercel AI Gateway, Ollama und in einem kostenlosen Web-Chat.
Was kostet Laguna S 2.1?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | OpenMDW-1.1 |
| OpenRouter (paid) | $0.10 in / $0.20 out per 1M tokens | 0,01 $ Cache-Lesen, 1 Mio. Kontext |
| OpenRouter (free) | Free | 256K Kontext |
Offene Gewichte unter OpenMDW-1.1. OpenRouter-Preis zum Start: 0,10 $ Input / 0,20 $ Output / 0,01 $ Cache-Lesen pro 1 Mio. Tokens; kostenloser Endpunkt mit 256K Kontext.
Lohnt sich Laguna S 2.1?
Laguna S 2.1 leistet beim agentischen Programmieren weit mehr, als seine 8 Milliarden aktiven Parameter vermuten lassen. Poolside meldet 70,2 % bei Terminal-Bench 2.1 und 59,4 % bei SWE-Bench Pro, gegenüber 64,0 % und 55,4 % für DeepSeek-V4-Pro, das sechsmal so viele aktive Parameter hat. Bei DeepSWE, der schwersten langen Aufgabe in Poolsides Tests, erreicht es 40,4 % gegenüber 9,0 % für DeepSeek-V4-Pro. Jeder Evaluationslauf ist unter trajectories.poolside.ai veröffentlicht, mehr als die meisten Labore bieten.
Das stärkste offene Coding-Modell ist es nicht. Kimi K3 erreicht in derselben Tabelle 88,3 % bei Terminal-Bench 2.1 und 69 % bei DeepSWE, und Poolsides Zahlen stammen von Poolside selbst. Einen Wert im Intelligence Index von Artificial Analysis haben wir nicht gefunden, und das DeepSWE-Ergebnis kam aus Poolsides eigenem Harness statt aus dem der Bestenliste.
Der Haken: Poolside listet die Schwächen selbst auf. Manchmal folgt das Modell seiner Erinnerung an ein Tool statt der Definition, die ein fremdes Harness liefert, schreibt fehlerhaftes JSON, wenn ein Tool eine Liste erwartet, und denkt bei Mathematik zu viel nach. Das Denken ist entweder aus oder auf Maximum, und ohne Denken fällt Terminal-Bench auf 60,4 %. Der kostenlose OpenRouter-Endpunkt darf deine Prompts für Training nutzen, privater Code gehört also auf den bezahlten Endpunkt oder deine eigenen GPUs.
Unser Fazit: Laguna S 2.1 ist das offene Modell für die Routinehälfte der Arbeit eines Coding-Agenten. Bei 0,20 $ pro Million Output-Tokens kostet eine lange Agenten-Sitzung Centbeträge, und wenn es hängen bleibt, können GLM-5.3 oder Kimi K3 die schweren Tickets übernehmen.
Wo es sich lohnt
Ein Plattform-Team, das bei jedem Pull Request Coding-Agenten laufen lässt
Fehlschlagende Tests und kleine Bugs beheben, ohne Spitzenpreise zu zahlen
Routine-Tickets gehen an Laguna S 2.1 mit eingeschaltetem und erhaltenem Denken. Bei 0,10/0,20 $ pro Million Tokens kosten 1.000 Sitzungen mit 500K Input- und 20K Output-Tokens vor Caching etwa 54 $.
Ein reguliertes Unternehmen, das keinen Code an fremde APIs schicken darf
Ein agentisches Coding-Modell auf eigener Hardware betreiben
Den FP8- oder NVFP4-Checkpoint mit vLLM, SGLang oder TRT-LLM auf vier GPUs bereitstellen oder die INT4-Version auf einer DGX Spark. Die OpenMDW-1.1-Lizenz verlangt für kommerzielle Nutzung keine Erlaubnis.
Ein Entwickler, der lokale Coding-Modelle vergleicht
Einen Agenten, der in Ollama auf einem starken Desktop-Rechner läuft
ollama run laguna-s-2.1 lädt eine Q4_K_M-Version mit eingebautem Chat-Template. Nutzer auf Hacker News berichten lokal von 15 bis 28 Tokens pro Sekunde, genug zum Chatten, aber langsam für interaktive Agenten-Schleifen.
Bevor du dich festlegst
- Einrichtung
- Von Hugging Face herunterladen, ollama run laguna-s-2.1 nutzen oder über OpenRouter, Baseten oder Vercel AI Gateway aufrufen. vLLM braucht die Tool- und Reasoning-Parser poolside_v1; llama.cpp-Unterstützung steckt in Poolsides Fork, während die Prüfung upstream läuft.
- Integrationen
- OpenAI-kompatible APIs; vLLM, SGLang, TRT-LLM, Transformers und llama.cpp; Agenten-Harnesses wie Kilo, Cline, OpenCode, OpenClaw, Hermes Agent und Poolsides pool.
- Daten und Datenschutz
- Beim Selbsthosten bleibt aller Code auf deiner Hardware. Der kostenlose OpenRouter-Endpunkt darf Ein- und Ausgaben für Training nutzen; der bezahlte Endpunkt und dedizierte Baseten-Deployments sind die Wahl für privaten Code.
- Kosten im großen Maßstab
- 0,10/0,20 $ pro Million Tokens zum Start, Cache-Lesen für 0,01 $; die BF16-Gewichte sind etwa 236 GB groß, und Poolsides vLLM-Rezept nutzt vier GPUs.
- Grenzen
- 1.048.576 Tokens Kontext auf dem bezahlten Endpunkt, 256K auf dem kostenlosen. Denken nur aus oder auf Maximum, und Poolside warnt vor ungültigem JSON bei Listen-Argumenten und gelegentlichem Überdenken.
Was gut ist
- 70,2 % bei Terminal-Bench 2.1 mit nur 8 Mrd. aktiven Parametern, laut Poolside
- Freizügige OpenMDW-1.1-Lizenz ohne Umsatz- oder Nutzergrenzen
- 1 Mio. Tokens Kontext, mit oder ohne Denken
- Veröffentlichte Evaluationsverläufe und offizielle FP8-, NVFP4-, INT4- und GGUF-Versionen
Was nicht
- Liegt bei den schwersten Agentenaufgaben hinter Kimi K3 und GLM-5.3
- Benchmarks vom Hersteller selbst; noch kein unabhängiger Indexwert
- Bekannte Fehler bei Tool-Aufrufen in fremden Harnesses
- Denken nur aus oder auf Maximum, keine niedrigeren Stufen
Am besten für
Teams, die ein günstiges, freizügig lizenziertes offenes Coding-Modell wollen, das auf einer einzigen Workstation läuft oder für Centbeträge abrufbar ist.
Alternativen zu Laguna S 2.1
Laguna S 2.1: häufige Fragen
- Lohnt sich Laguna S 2.1?
- Agentisches Programmieren knapp unter der Spitze, von einem Modell, das auf eine einzige Workstation passt, zu einem Preis, der sich auf null rundet. Wir bewerten es mit 4.1 von 5.
- Was kostet Laguna S 2.1?
- Offene Gewichte unter OpenMDW-1.1. OpenRouter-Preis zum Start: 0,10 $ Input / 0,20 $ Output / 0,01 $ Cache-Lesen pro 1 Mio. Tokens; kostenloser Endpunkt mit 256K Kontext.
- Welche Nachteile hat Laguna S 2.1?
- Liegt bei den schwersten Agentenaufgaben hinter Kimi K3 und GLM-5.3; Benchmarks vom Hersteller selbst; noch kein unabhängiger Indexwert; Bekannte Fehler bei Tool-Aufrufen in fremden Harnesses; Denken nur aus oder auf Maximum, keine niedrigeren Stufen.
- Für wen eignet sich Laguna S 2.1?
- Teams, die ein günstiges, freizügig lizenziertes offenes Coding-Modell wollen, das auf einer einzigen Workstation läuft oder für Centbeträge abrufbar ist.
- Was kostet Laguna S 2.1 für ein Team oder im Produktivbetrieb?
- 0,10/0,20 $ pro Million Tokens zum Start, Cache-Lesen für 0,01 $; die BF16-Gewichte sind etwa 236 GB groß, und Poolsides vLLM-Rezept nutzt vier GPUs.
- Ist Laguna S 2.1 sicher für Firmendaten?
- Beim Selbsthosten bleibt aller Code auf deiner Hardware. Der kostenlose OpenRouter-Endpunkt darf Ein- und Ausgaben für Training nutzen; der bezahlte Endpunkt und dedizierte Baseten-Deployments sind die Wahl für privaten Code.
- Was sind die besten Alternativen zu Laguna S 2.1?
- Die nächsten Alternativen, die wir getestet haben, sind GLM-5.3, Kimi K3, Devstral 2 und DeepSeek-V4.1-Flash.
Antworten geprüft am 7. Nov. 2026.
Du entwickelst Laguna S 2.1? Zeig diese Bewertung auf deiner Website
