Laguna S 2.1: Poolside's Open-Weight Coding Model, das weit über seinem Gewicht (und Preis) schlägt.

Am 21. Juli 2026 veröffentlichte Poolside Laguna S 2.1 — ein 118-Milliarden-Parameter-Open-Weight-Coding-Modell mit nur etwa 8 Milliarden aktiven Parametern pro Token – und bewarb es als „das leistungsfähigste Open-Weight-Modell des Westens“ und seine Antwort auf DeepSeek und Qwen. Die Schlagzeile ist nicht, dass es jedes geschlossene Frontier-System schlägt; es ist, dass es Modelle, die um ein Vielfaches größer sind, bei agentischen Coding-Benchmarks übertrifft, während es nur 0,10 $ / 0,20 $ pro Million Tokens kostet. Dieser Leitfaden behandelt, was Laguna S 2.1 eigentlich ist, seinen Denkmodus, was unabhängig versus anbieterberichtet ist, was es kostet, wie man es ausführt und wer es verwenden sollte.

Jede Abbildung unten ist mit der Quelle gekennzeichnet. Die Spitzenwerte von Laguna werden von Poolside gemeldet (aus dessen Startmaterialien und der Hugging Face card), sofern kein benannter Dritter zitiert wird; behandeln Sie sie als anbieterbetrieben, bis unabhängige Labore sie bestätigen. Benchmarks und Preise ändern sich – überprüfen Sie dies, bevor Sie ein Budget festlegen.

TL;DR. Laguna S 2.1 ist ein Open-Weight-MoE-Coding-Modell (118B insgesamt / ~8B aktiv) mit bis zu 1M Kontext und einem "Denken / Nicht-Denken"-Umschalter, zu einem Preis von nur 0,10 $ Input / 0,20 $ Output pro 1M Tokens – ein Bruchteil der meisten Konkurrenten. Poolside berichtet von 78,5 % bei SWE-Bench Multilingual (führend unter offenen Modellen mit offengelegter Größe), 70,2 % bei Terminal-Bench 2.1 und 40,4 % bei DeepSWE v1.1 (im Vergleich zu DeepSeek-V4-Pro-Max mit 9,0 %) – bei etwa einem Sechstel der aktiven Parameter. Es ist die beste Open-Weight-Coding-pro-Dollar-Option, die wir gesehen haben, aber geschlossene Frontier-Modelle wie Claude Fable 5, Claude Opus 5 und Kimi K3 führen weiterhin bei mehreren absoluten Benchmarks. Wenn Sie einen günstigen, selbst hostbaren Coder möchten, der seine Gewichtsklasse übertrifft, ist Laguna S 2.1 die Rede; wenn Sie die absolut höchste Codierungsgenauigkeit benötigen, gewinnt weiterhin ein Frontier-Flaggschiff.

Wichtige Erkenntnisse

• Bestes Open-Weight-Coding pro Dollar. 0,10 $/0,20 $ pro 1 Million Token für ein Modell, das offene Modelle mit offengelegter Größe auf SWE-Bench Multilingual (78,5 %) anführt.

• Schlägt über seinem Gewicht. ~8B aktive Parameter, gleicht oder übertrifft jedoch weitaus größere Modelle auf Terminal-Bench 2.1 und SWE-Bench Pro.

• Open-Weight und selbst hostbar. Gewichte auf Hugging Face (poolside/Laguna-S-2.1) — Sie können es in Ihrer eigenen Umgebung ausführen.

• Der Denkmodus treibt die Ergebnisse an. Maximales Denken hebt DeepSWE von 16,5 % auf 40,4 % — leistungsstark, aber es verbraucht Reasoning-Tokens, also planen Sie Budget dafür ein.

• Nicht die absolute Nummer 1. Flaggschiffe der geschlossenen Grenze (Fable 5, Opus 5, Kimi K3) führen immer noch bei mehreren absoluten Programmiertests; Lagunas Anspruch ist Gewichtsklasse und Preis, nicht die Spitze der Rangliste.

Ein Hinweis zum Lesen dieses Kurzberichts: Alles, was Poolside zugeschrieben wird, ist eine Herstellerbehauptung aus Launch-Materialien; wenn ein Benchmark unabhängig ist, nennen wir die Quelle. Wenn ein unabhängiger Score für allgemeine Intelligenz nicht veröffentlicht ist, sagen wir das, anstatt zu raten — Laguna ist ein Spezialist fürs Codieren, kein Spitzenreiter in allgemeinen Leaderboards.

Was Laguna S 2.1 eigentlich ist

Laguna S 2.1 ist Poolside's Open-Weight-, agentisches Codierungsmodell. Architektonisch handelt es sich um ein Mixture-of-Experts-Modell: Insgesamt 118B Parameter, aber nur etwa 8B werden pro Token aktiviert, weshalb es im Verhältnis zu seiner Leistungsfähigkeit günstig zu betreiben ist. Es unterstützt bis zu einem 1M-Token-Kontext und zwei Betriebsmodi: einen schnellen „No-Thinking“-Pfad und einen „Thinking“-Pfad, der für schwierigere Probleme zusätzliche Reasoning-Tokens verbraucht. Es ist für Codierung und agentische Arbeit ausgelegt: Tool-Nutzung, Funktionsaufrufe, mehrstufige Aufgaben. Poolside bietet auch ein kleineres Geschwistermodell an, Laguna XS 2.1 (33B insgesamt / ~3B aktiv), zu einem noch niedrigeren Preis von $0.06 / $0.12.

Entscheidend ist, dass die Gewichte offen und auf Hugging Face veröffentlicht sind – du kannst Laguna S 2.1 also im Gegensatz zu einem geschlossenen API-Modell herunterladen, in deiner eigenen Infrastruktur ausführen, feinabstimmen und eine Version festlegen. Diese Kombination – spitzennahe Codierung, winzige Anzahl aktiver Parameter, offene Gewichte und ein äußerst niedriger Preis – ist das gesamte Verkaufsargument, und deshalb bezeichnet Poolside es als die Antwort des Westens auf die starken offenen Modelle von DeepSeek und Qwen.

Was ist neu: die Benchmarks

Die Startzahlen drehen sich ganz ums Programmieren. Bei SWE-Bench Multilingual berichtet Poolside von 78,5 %, womit es laut eigenen Angaben führend unter offenen Modellen mit offengelegter Größe ist. Bei Terminal-Bench 2.1 erreicht es 70,2 %. Bei DeepSWE v1.1 kommt es auf 40,4 % – und Poolside hebt besonders hervor, dass dies die 9,0 % von DeepSeek-V4-Pro-Max im selben Test bei etwa einem Sechstel der aktiven Parameter übertrifft. Bei Terminal-Bench 2.1 und SWE-Bench Pro, so Poolside, erreicht Laguna S 2.1 die Leistung von Modellen, die um ein Vielfaches größer sind, darunter DeepSeek V4 Flash, NVIDIA's Nemotron 3 Ultra und Thinking Machines' Inkling.

Die ehrliche Rahmung, die Poolside selbst verwendet, bezieht sich auf die Gewichtsklasse, nicht auf absolute Überlegenheit: geschlossene Grenzmodelle wie Claude Fable 5 und Kimi K3 führen bei mehreren Benchmarks immer noch. Daher ist die richtige Art, Laguna S 2.1 zu lesen: "die meiste Fähigkeit, die man von einem offenen, ~8B-aktiven, spottbilligen Modell bekommen kann", nicht "der beste Coder überhaupt."

Denkmodus: Woher die Leistung kommt

Laguna S 2.1s Spitzenergebnisse {{1}}beruhen stark auf seinem{{/1}} "Max-Thinking"-Modus. Das deutlichste Beispiel ist DeepSWE v1.1, wo die Punktzahl von 16,5 % ohne Thinking auf 40,4 % mit Max-Thinking springt – der Großteil der Benchmark-Stärke des Modells kommt daher, dass es nachdenken darf. Terminal-Bench 2.1 {{2}}zeigt dasselbe Muster{{/2}} (60,4 % → 70,2 %). Das ist relevant für Kosten und Latenz: Der Thinking-Modus verbraucht zusätzliche Reasoning-Tokens. Während der Preis pro Token winzig ist, verbraucht eine schwierige Aufgabe mit Max-Thinking mehr Tokens (und dauert länger) als der Pfad ohne Thinking. In der Praxis würde man Routine-Completions im No-Thinking-Modus ausführen – für Geschwindigkeit und Kosten – und nur bei schwierigen, mehrstufigen Problemen auf Thinking umschalten, wo der Genauigkeitssprung die Tokens wert ist – ein coding-spezifisches Echo der Effort-Regler, die bei Frontier-Modellen auftauchen.

Der Benchmark-Deep-Dive: Was diese Codierungstests messen.

SWE-Bench Multilingual erweitert den bekannten SWE-bench (Lösung echter GitHub-Probleme) auf mehrere Programmiersprachen, daher ist 78,5% ein starkes Signal für praktische, sprachübergreifende Fehlerbehebung — und "leads open disclosed-size models" ist eine aussagekräftige, wenn auch vom Anbieter stammende Behauptung. Terminal-Bench 2.1 testet, ob ein Modell ein echtes Terminal bedienen kann, um Aufgaben von Anfang bis Ende zu erledigen, was näher an dem ist, was ein autonomer Codierungsagent tatsächlich tut, als eine einmalige Codevervollständigung. DeepSWE v1.1 ist eine schwierigere agentische Softwareentwicklungssuite; die 40,4% (vs. 9,0% von DeepSeek-V4-Pro-Max) ist Lagunas auffälligste Zahl, gerade weil es eine große Lücke gegenüber einem viel größeren Modell ist.

Die Einschränkung, die dies ehrlich hält: Dies sind Poolside-eigene Ergebnisse zum Zeitpunkt der Veröffentlichung, und es gibt noch keinen veröffentlichten Artificial Analysis Intelligence Index oder unabhängigen SWE-bench Verified Wert für Laguna S 2.1. Betrachten Sie die Führungsansprüche daher als vom Anbieter gemeldet, bis ein Dritter sie bestätigt, und denken Sie daran, dass Laguna ein Codierungs-Spezialist ist – es ist nicht als universeller Reasoning-Führer positioniert, und Sie sollten nicht erwarten, dass es einen allgemeinen Intelligenzindex anführt.

Was es in der Praxis kostet

Hier ist, wo Laguna S 2.1 wirklich disruptiv ist. Bei $0,10 Input / $0,20 Output pro 1M Token kostet ein repräsentativer Coding-Aufruf mit 15.000 Input- und 3.000 Output-Token 15k × $0,10/1M + 3k × $0,20/1M = $0,0015 + $0,0006 = etwa $0,0021 – ungefähr ein Fünftel eines Cents. Derselbe Aufruf bei einem Frontier-Modell wie Claude Opus 5 ($5/$25) kostet etwa $0,15 – fast 70× mehr. Selbst gegenüber günstigen Konkurrenten unterbietet Laguna: Es liegt unterhalb der Preise von DeepSeek. Der Haken ist der Denkmodus – eine schwierige Aufgabe mit maximalem Denken kann mehrere Male mehr Output-Token erzeugen, sodass ein „$0,0006 Output“-Aufruf ein paar Cent kosten kann. Aber selbst wenn man es aufbläht, sind die Kosten ein Rundungsfehler im Vergleich zu geschlossenen Frontier-Modellen. Für hochvolumige Codierungsautomatisierung – CI-Bots, Massenrefactorings, Agentenflotten – ist die Wirtschaftlichkeit kaum zu bestreiten, zumal man auch selbst hosten kann, um die Tokenkosten komplett zu vermeiden.

Wie man auf Laguna S 2.1 zugreift und es ausführt

Weil die Gewichte offen sind, hast du zwei Wege. Du kannst es über gehostete Anbieter nutzen (es erscheint auf Aggregatoren wie OpenRouter) zum Preis von $0.10/$0.20, was der schnellste Weg ist, es auszuprobieren. Oder du kannst die Gewichte von Hugging Face (poolside/Laguna-S-2.1) herunterladen und selbst hosten – wobei Code und Daten in deiner Umgebung bleiben, du es auf deinen Repositorien feinabstimmen, für deine Hardware quantisieren und die Kosten auf deine Infrastruktur begrenzen kannst. Die XS-Variante (33B-A3B) ist die Option, wenn du etwas noch Kleineres und Billigeres lokal ausführen möchtest. In beiden Fällen wird die Werkzeugnutzung und der Funktionsaufruf freigelegt, sodass es in agentische Codierungsumgebungen integriert werden kann.

Für wen es gedacht ist: drei Szenarien

1. Hochvolumige Code-Automatisierung mit kleinem Budget

Wenn Sie CI-Fix-It-Bots, Massenmigrationen oder große Agentenflotten betreiben, bei denen sich die Token-Kosten summieren, ist der Preis von Laguna S 2.1 transformativ – nutzen Sie No-Thinking für Routineaufgaben und Thinking für die schwierigen Fälle. Dies ist sein stärkster Anwendungsfall.

2. Teams, die Code-Modelle selbst hosten müssen

Für Organisationen, die proprietären Code nicht an eine geschlossene API senden können, ist ein Open-Weight-Coder, der seine Größenklasse anführt, genau das, was gefehlt hat. Laguna S 2.1 (oder XS für kleinere Hardware) bietet Ihnen Coding auf Frontier-Niveau, das Sie vollständig kontrollieren.

3. Kostensensible Startups, die Codierungsprodukte entwickeln

Wenn Ihre Produktmargen von den Inferenzkosten abhängen, ermöglicht Ihnen Laguna, KI-Codierungsfunktionen zu einem Bruchteil der Spitzenpreise anzubieten – und behält sich ein Spitzenflaggschiff nur für die schwierigsten Anfragen Ihrer Benutzer vor.

Wann nicht verwenden

Greifen Sie nicht zu Laguna S 2.1, wenn Sie die absolut beste Code-Genauigkeit benötigen und dafür bezahlen können – geschlossene Frontier-Modelle (Fable 5 mit 95,0 % SWE-bench Verified, Opus 5 mit #1 im allgemeinen Index, Kimi K3 mit #1 im Frontend Coding Arena) führen weiterhin bei mehreren Benchmarks. Verwenden Sie es nicht für allgemeines Denken, multimodale oder nicht-codebezogene Aufgaben – es ist ein Code-Spezialist ohne allgemeine Intelligenz. Und gehen Sie nicht davon aus, dass die Spitzenwerte im No-Thinking-Modus Bestand haben; wenn Sie das Denken aus Kostengründen deaktivieren, benchmarken Sie die niedrigeren Werte, die Sie tatsächlich erhalten werden.

Entscheidungscheckliste

• Wählen Sie Laguna S 2.1, wenn: Sie den günstigsten leistungsfähigen Open-Weight-Coder möchten, Sie selbst hosten müssen, oder Sie hochvolumige Codierungsautomatisierung betreiben, bei der die Kosten dominieren.

• Wählen Sie stattdessen ein führendes Flaggschiff, wenn: Sie die absolute Spitzen-Codierungsgenauigkeit, allgemeine Argumentationsfähigkeit oder Multimodalität benötigen – und es sich leisten können.

Führen Sie beides aus, wenn: Standard-Routine-Codierung an Laguna und eskalieren Sie die schwierigsten Aufgaben an ein Grenzmodell, hinter einem Endpunkt.

FAQ

Was kostet Laguna S 2.1?

$0.10 pro 1M Input-Token und $0.20 pro 1M Output — mit einem kleineren Laguna XS 2.1 für $0.06 / $0.12. Es ist eines der günstigsten leistungsfähigen Codierungsmodelle auf dem Markt, und da es Open-Weight ist, können Sie es selbst hosten, um die Kosten pro Token zu vermeiden. [OpenRouter/BenchLM]

Ist Laguna S 2.1 Open Source?

Es hat offene Gewichte: Die Modellgewichte sind auf Hugging Face (poolside/Laguna-S-2.1) veröffentlicht, sodass Sie es herunterladen, ausführen und feinabstimmen können. Überprüfen Sie die Lizenz von Poolside für Ihre spezifische Nutzung.

Ist es besser als DeepSeek oder Qwen zum Programmieren?

Poolside positioniert es als die Antwort des Westens auf sie und berichtet, dass es DeepSeek-V4-Pro-Max auf DeepSWE (40,4 % gegenüber 9,0 %) bei weitaus weniger aktiven Parametern schlägt. Bei offenen Coding-Benchmarks mit offengelegter Größe liegt es laut Poolside vorn – aber diese werden vom Anbieter durchgeführt, also validieren Sie es auf eigenen Repositories.

Schlägt es die führenden Modelle?

Nicht direkt. Geschlossene Flaggschiffe wie Claude Fable 5, Claude Opus 5 und Kimi K3 führen immer noch mehrere absolute Benchmarks an. Lagunas Behauptung ist die beste in ihrer Gewichtsklasse und das beste Preis-Leistungs-Verhältnis, nicht das insgesamt Beste.

Was ist der Denkmodus?

Ein Umschalter zwischen einem schnellen, nicht denkenden Pfad und einem maximal denkenden Pfad, der zusätzliche Reasoning-Tokens für höhere Genauigkeit ausgibt (z. B. DeepSWE 16.5% → 40.4%). Verwenden Sie das Nicht-Denken für Routineaufgaben, das Denken für schwierige Aufgaben.

Was ist das Kontextfenster?

Bis zu 1M Token, sodass große Codebasen und lange Agententranskripte passen.

Sollte ich S oder XS verwenden?

Laguna S 2.1 (118B/8B) für {{1}}die stärkste Codierung{{/1}}; Laguna XS 2.1 (33B/3B) {{2}}wenn Sie etwas Kleineres und Günstigeres zum Selbsthosten oder für sehr hohe Auslastung wünschen{{/2}}.

Fazit

Laguna S 2.1 ist das derzeit überzeugendste Open-Weight-Coding-Modell seiner Größe: ein 118B/8B MoE mit bis zu 1M Kontext und einem Denk-Umschalter, zu einem bemerkenswerten Preis von $0.10 / $0.20, das nach Angaben von Poolside offene Modelle mit veröffentlichter Größe bei SWE-Bench Multilingual (78,5 %) anführt und weitaus größere Konkurrenten bei agentischen Codiertests schlägt. Es ist nicht der absolut beste Coder – geschlossene Frontier-Flaggschiffe führen weiterhin bei mehreren Benchmarks – und seine Spitzenwerte stützen sich auf den Denkmodus, der Token verbraucht. Aber für günstiges, selbst hostbares Codieren mit hohem Volumen hat in seiner Gewichtsklasse nichts eine Chance. Leiten Sie Laguna S 2.1 zusammen mit jedem Frontier-Flaggschiff über einen OpenAI-kompatiblen Endpunkt bei OrcaRouter und senden Sie ihm den Großteil Ihres Codierverkehrs, wobei Sie nur die schwierigsten Aufgaben eskalieren.