Poolside выпустила модель Laguna S 2.1 — Mixture-of-Experts (MoE) на 118B параметров (8B активных), с контекстным окном до 1M токенов и поддержкой режимов мышления и без. Модель прошла путь от старта обучения до релиза за девять недель. На бенчмарках длинного горизонта она конкурирует с моделями в разы крупнее. На Terminal-Bench 2.1 Laguna S 2.1 набрала 70.2% с включённым мышлением — лучший результат в своём весовом классе. На DeepSWE v1.1 — 40.4% (при 16.5% без мышления). Разработчики подчёркивают: S 2.1 не просто «умнее», а настойчивее — она больше проверяет, реже сдаётся и не объявляет победу рано.
Три кейса в статье показывают эту настойчивость. В первом Laguna S 2.1 с нуля построила HTML/CSS-движок на JavaScript за 50 минут без вмешательства человека, написала парсер, DOM-дерево, CSS-каскад, layout и рендеринг на canvas, а затем сравнила результат с headless Chromium. Во втором — оптимизировала собственный агентный harness: ускорила на 5.2% и снизила выделение памяти на ~70%, заменив O(n²) конкатенацию строк буферами и убрав лишнее копирование. В третьем — за 68 минут самостоятельно переоткрыла доказательство задачи Эрдёша #397, которая была открыта 50 лет (первое решение нашёл GPT-5.2 Pro в январе 2026). Laguna S 2.1 вывела новое семейство решений из восьми индексов, используя Perl.
Модель — развитие серии XS. Основана на тех же предобучающих данных, что XS 2.1, но с исправлениями в тренировочном коде и новым пост-тренингом: сначала SFT с синтетикой, затем RL в точности FP8. Для RL использовали новые песочницы с фоновыми процессами, блокировкой сети и кэшированием артефактов, а также мульти-харнесные прогоны, чтобы модель не переобучалась на конкретный scaffold. Модель обучалась на 4096 NVIDIA H200 GPU, старт — 22 мая 2026 года. Релиз — 21 июля.
Доступность: открытые веса на Hugging Face под лицензией OpenMDW-1.1 с BF16, FP8, INT4, NVFP4, а также GGUF и MLX. NVIDIA помогла с оптимизацией инференса на всей линейке — от TRT-LLM на Blackwell до одного DGX Spark. Поддержка от vLLM, SGLang, Ollama. Хостинг: Baseten, OpenRouter (бесплатный эндпоинт на 256K контекста и платный — полный 1M по $0.1/$0.2 за 1M токенов). Интеграции с Kilo, Hermes Agent, pi, OpenCode, OpenClaw, Cline, а также терминальным агентом pool. Для не-разработчиков — чат chat.poolside.ai без логина. Для пост-тренинга — NVIDIA NeMo AutoModel и Prime Intellect. Разработчики отмечают две ключевые ставки: на агентное кодирование (модель способна на часы связной работы) и на «декомпрессию» интернета через RL, восстанавливающую скрытое мышление. Следующая, более крупная модель уже начала предобучение.