El panorama de la intel·ligència artificial aplicada al desenvolupament de programari ha fet un salt significatiu amb l'arribada de Laguna S 2.1, un model de codi obert i pesos oberts presentat per Poolside. Amb 118.000 milions de paràmetres totals (118B) però només 8.000 milions actius per token (8B), aquest model Mixture-of-Experts (MoE) aconsegueix un rendiment que rivalitza amb sistemes molt més grans, assolint un 78,5% a SWE-Bench Multilingual i un 70,2% a Terminal-Bench 2.1. La seva capacitat per gestionar fins a 1 milió de tokens de context, juntament amb modes de pensament 'max' que potencien els seus resultats, el converteixen en una eina excepcional per a tasques de codificació agent.
Des d'una perspectiva tècnica, Laguna S 2.1 representa un equilibri notable entre eficiència i potència. En activar només el 6,8% dels seus paràmetres a cada pas, aconsegueix un comportament similar al de models amb centenars de milers de milions de paràmetres actius, però amb un cost d'inferència molt menor. Això és possible gràcies a l'arquitectura MoE, que manté tots els experts en memòria però només enruta una fracció per token. El model va ser entrenat en menys de nou setmanes utilitzant 4.096 GPU NVIDIA H200, començant el 22 de maig de 2026. Poolside ha publicat pesos en formats BF16, FP8, INT4 i NVFP4, a més de conversions oficials per a GGUF, MLX i models draft DFlash, facilitant el seu desplegament en entorns variats.
En les avaluacions comparatives, Laguna S 2.1 se situa al capdavant entre els models oberts amb mida declarada. A SWE-Bench Multilingual supera competidors com Tencent Hy3 (75,8%) i DeepSeek-V4-Pro-Max (76,2%), mentre que a DeepSWE v1.1 assoleix un 40,4% davant del 9,0% de DeepSeek, tot i tenir una sisena part dels paràmetres actius. Tot i que models tancats com Claude Fable 5 o Kimi K3 continuen liderant en algunes proves, l'assoliment de Laguna S 2.1 és impressionant per a la seva classe de pes. El mode de pensament 'max' (activat per defecte) és crucial: eleva Terminal-Bench de 60,4% a 70,2% i DeepSWE de 16,5% a 40,4%, encara que amb un cost en tokens (per exemple, 249k tokens de finalització davant de 99k sense pensament).
Per a les empreses que desenvolupen programari a mida, l'arribada de models oberts com Laguna S 2.1 obre oportunitats immenses. Integrar agents d'IA capaços d'escriure, depurar i optimitzar codi de forma autònoma pot accelerar cicles de desenvolupament, reduir costos i alliberar els equips humans per a tasques de major valor. En aquest context, companyies com Q2BSTUDIO, especialitzada en desenvolupament d'aplicacions programari multiplataforma, poden aprofitar aquestes capacitats per oferir solucions més intel·ligents als seus clients. La combinació de models de codi obert amb experiència en intel·ligència artificial, ciberseguretat, cloud AWS/Azure i Business Intelligence amb Power BI permet crear plataformes de desenvolupament assistit per IA que milloren la productivitat i la qualitat del programari.
El desplegament de Laguna S 2.1 és viable fins i tot en maquinari modest. Amb quantització a 4 bits (NVFP4 o INT4), els pesos ocupen uns 59 GB, cosa que cap en una sola NVIDIA DGX Spark amb 128 GB de memòria unificada. En FP8, necessita 118 GB, encara dins d'una Spark o una H200; en BF16 requereix 236 GB, cosa que implica dues Sparks o un node multi-GPU. Poolside ha optimitzat la inferència amb TRT-LLM, vLLM, SGLang i Ollama, i l'accés allotjat està disponible a través d'OpenRouter, Baseten i altres plataformes, amb preus des de $0,10 per milió de tokens d'entrada. Aquesta flexibilitat permet a desenvolupadors i empreses integrar el model als seus fluxos de treball sense dependre d'infraestructures massives.
Més enllà de les xifres, Poolside ha compartit trajectòries reals que demostren la capacitat del model per resoldre problemes complexos de forma autònoma: des de construir un motor de navegador HTML/CSS des de zero (181 passos en 50 minuts), fins a optimitzar un harness d'agent propi reduint l'assignació de memòria en un 71% o redescobrir un problema matemàtic d'Erdős de forma independent. Aquests exemples il·lustren com un model obert i eficient pot convertir-se en un aliat estratègic per a la innovació en enginyeria de programari.
En resum, Laguna S 2.1 marca una fita en la democratització de la IA per a codificació agent. El seu rendiment a SWE-Bench Multilingual (78,5%) i la seva capacitat per executar-se en un únic dispositiu el converteixen en una opció atractiva per a startups i empreses que busquen avantatges competitius sense invertir en clústers massius. Per a Q2BSTUDIO, aquest tipus d'avenços reforcen la importància de mantenir-se al capdavant tecnològic, integrant models d'avantguarda en serveis de desenvolupament de programari a mida, intel·ligència artificial, ciberseguretat i automatització de processos. El futur de la programació assistida per IA ja és aquí, i models com Laguna S 2.1 són la punta de llança d'una nova era de productivitat i creativitat en el desenvolupament de programari.
