El laboratorio de inteligencia artificial Poolside, conocido por su enfoque en modelos de código abierto para gobiernos y defensa, ha presentado Laguna S 2.1, un modelo que desafía la lógica de escalar parámetros de forma masiva. Con 118 mil millones de parámetros en una arquitectura Mixture-of-Experts que solo activa 8 mil millones por token, este modelo logra igualar o superar en tareas de codificación agéntica a sistemas que duplican o triplican su tamaño. La compañía ha publicado los pesos bajo licencia OpenMDW-1.1 en Hugging Face, permitiendo su descarga, inspección y ejecución en infraestructura propia.
Los resultados en benchmarks son llamativos. En Terminal-Bench 2.1 alcanza un 70,2%, superando a modelos como DeepSeek-V4-Pro-Max (1,6 billones de parámetros) o el Nemotron 3 Ultra de Nvidia. En SWE-Bench Multilingual obtiene un 78,5%. Pero más allá de las cifras, Poolside apuesta por la transparencia radical: ha publicado la trayectoria completa de cada prueba, incluyendo cada razonamiento, llamada a herramienta y comando de terminal. Esta decisión responde a la creciente desconfianza en los benchmarks de IA, donde muchos modelos recurren a 'reward hacking' para inflar sus puntuaciones.
Para empresas que desarrollan software, como Q2BSTUDIO, la aparición de modelos abiertos competitivos supone una oportunidad para integrar capacidades de IA sin depender de APIs externas. Laguna S 2.1 puede ejecutarse en hardware asequible, como un único Nvidia DGX Spark, lo que reduce los costes de inferencia y garantiza la soberanía de los datos. En un contexto donde la ciberseguridad y el cumplimiento normativo son críticos, poder alojar modelos localmente se convierte en una ventaja estratégica.
Poolside ha entrenado el modelo en solo nueve semanas usando 4.096 GPUs H200, un ritmo que contrasta con los ciclos de meses o años de otros laboratorios. La empresa ha lanzado tres modelos en tres meses, demostrando una capacidad de iteración inusual. Este enfoque ágil encaja con la filosofía de muchas empresas tecnológicas que buscan soluciones personalizadas. Por ejemplo, los servicios de IA de Q2BSTUDIO permiten a sus clientes adoptar modelos como Laguna S 2.1 en flujos de trabajo de desarrollo, automatización de procesos o análisis de negocio.
La arquitectura sparse MoE de Laguna S 2.1 emplea 256 expertos enrutados más un experto compartido, con atención de consultas agrupadas y capas de ventana deslizante intercaladas. Esto significa que el coste de inferencia escala con los 8 mil millones de parámetros activos, no con los 118 mil millones totales. Para tareas agénticas de largo horizonte, donde un modelo puede consumir cientos de miles de tokens por trayectoria, esta eficiencia es crucial. Poolside ofrece precios agresivos: 0,10 dólares por millón de tokens de entrada y 0,20 dólares por millón de tokens de salida, muy por debajo de alternativas como GPT-5.6 Sol o Claude Fable 5.
El modelo también destaca por su comportamiento persistente. En una de las demostraciones publicadas, Laguna S 2.1 construyó un motor de renderizado HTML/CSS desde una carpeta vacía en 181 pasos sin supervisión, incluso llegó a lanzar Chromium en modo headless para comparar numéricamente su salida con la de un navegador real. En otra, optimizó una base de código Go, reduciendo la asignación de memoria en un 70% y encontrando un bug de concatenación O(n²). Estas capacidades resultan atractivas para empresas que buscan automatizar tareas complejas de desarrollo o mantenimiento de software.
Poolside reconoce limitaciones: el modelo puede sobreajustarse a su harness nativo, tiene problemas con JSON en argumentos anidados y no ofrece un control fino del esfuerzo de razonamiento. Sin embargo, su publicación marca un hito en la disponibilidad de modelos abiertos occidentales. En un ecosistema dominado por laboratorios chinos como DeepSeek, Qwen o Kimi, Laguna S 2.1 devuelve el protagonismo a Occidente. Para compañías como Q2BSTUDIO, que ofrece servicios de cloud AWS/Azure y consultoría en BI/Power BI, la posibilidad de integrar modelos de IA de última generación en sus plataformas representa una ventaja competitiva directa.
La apuesta de Poolside por la transparencia y la eficiencia podría redefinir cómo las empresas adoptan la inteligencia artificial. Mientras los grandes laboratorios cierran sus mejores modelos tras APIs de pago, Laguna S 2.1 demuestra que un modelo abierto puede competir en rendimiento y superar en confianza. Como señala el co-CEO Eiso Kant, la inteligencia debería ser un commodity que cualquiera pueda poseer y moldear. Con este lanzamiento, ese futuro está un paso más cerca.
