Laguna S 2.1: efficienza e pesi aperti per la risposta occidentale di poolside
Il 21 luglio 2026 poolside ha reso disponibili i pesi di Laguna S 2.1, un modello Mixture-of-Experts orientato alla programmazione agentica. L'architettura conta 118 miliardi di parametri totali, con circa 8 miliardi attivi per token, e dichiara una finestra di contesto fino a 1 milione di token. Distribuito su Hugging Face sotto la licenza OpenMDW-1.1 in diverse precisioni tra cui BF16 e quantizzazioni INT4, il modello richiede circa 59 GB di memoria a 4 bit (fino a 236 GB in BF16) e, quantizzato, sta su un singolo NVIDIA DGX Spark.
Secondo i dati auto-riportati dall'azienda e riportati sulla scheda tecnica, Laguna S 2.1 raggiunge il 70,2% su Terminal-Bench 2.1 e il 59,4% su SWE-Bench Pro. Nel leaderboard compilato da poolside, questi risultati collocano il modello sopra concorrenti con un numero di parametri molto superiore, come DeepSeek-V4-Pro-Max e Nemotron 3 Ultra. L'attivazione della modalità «max thinking» porta Terminal-Bench 2.1 dal 60,4% al 70,2% e DeepSWE dal 16,5% al 40,4%, ma raddoppia circa i token di completamento: 249k contro 99k su DeepSWE, evidenziando un compromesso tra accuratezza e risorse di calcolo.
Sulle tempistiche di sviluppo sussistono alcune ambiguità: mentre il comunicato stampa parla di un addestramento inferiore alle quattro settimane su circa 4.000 GPU NVIDIA H200, il blog tecnico indica un periodo totale inferiore alle nove settimane dal 22 maggio al rilascio. È verosimile che la differenza rifletta la distinzione tra pre-addestramento e ottimizzazione finale, anche se l'azienda non fornisce una suddivisione esplicita. Parallelamente, poolside ha evidenziato le capacità del modello attraverso una ri-scoperta della soluzione al problema di Erdős #397, già risolta in precedenza da GPT-5.2 Pro.
Il rilascio si inserisce in un contesto di mercato in cui la fascia alta dei modelli a pesi aperti è stata dominata da laboratori cinesi da oltre un anno. Laguna S 2.1 rappresenta un tentativo occidentale di riconquistare terreno in questo segmento, una missione sintetizzata dal CEO Jason Warner: «The West needs open-weight models it can trust, run, and build on. Laguna S 2.1 is our answer».
La strategia di poolside è chiara: offrire un'alternativa eseguibile localmente in un momento di forte competizione geopolitica. Tuttavia, la reale utilità per la comunità open source dipenderà dalle clausole della licenza OpenMDW-1.1, ancora poco testata, e dalla validazione indipendente di benchmark che, per ora, sono interamente autodichiarati e non ancora replicati da valutatori indipendenti — così come il leaderboard su cui poggia il primato rivendicato.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Letto con WebFetch il blog ufficiale poolside.ai (fonte primaria): data, architettura, contesto, licenza e benchmark. Riscontro sulla model card di Hugging Face: parametri, contesto da 1.048.576 token, licenza OpenMDW-1.1 e i sei punteggi coincidono. Letto il comunicato GlobeNewswire del 21 luglio per la citazione di Jason Warner. Conferma indipendente su MarkTechPost (21 luglio) per specifiche, effetto della modalità thinking e requisiti di memoria; VentureBeat ha risposto 403, usato solo come prova che la notizia è stata coperta. Segnalata la discrepanza sui tempi di addestramento. Nessun rumor, nessun leak.
- Incertezze
- I benchmark sono autodichiarati da poolside e non ancora replicati da terzi; anche il primato tra i modelli aperti poggia sul leaderboard dell'azienda stessa. «Modello aperto più capace dell'Occidente» è un'affermazione di parte. Il comunicato parla di meno di quattro settimane su ~4.000 H200, il blog tecnico di meno di nove settimane dal 22 maggio (4.096 H200 secondo MarkTechPost): probabile distinzione tra pre-addestramento e ciclo completo, ma poolside non la esplicita. La licenza OpenMDW-1.1 è nuova e le sue clausole commerciali non sono state esaminate qui. Sul problema di Erdős #397 poolside stessa parla di ri-scoperta, non di risultato inedito.
- Perché pubblicarla
- È il rilascio occidentale a pesi aperti più rilevante della settimana e tocca il nodo del 2026: la sovranità sui modelli scaricabili. Un modello da 118 miliardi di parametri con 8 attivi, che quantizzato gira su un solo DGX Spark, è una notizia concreta per chi deve eseguire AI in casa propria — aziende, pubbliche amministrazioni, sviluppatori italiani — e arriva nella settimana in cui Alibaba va nella direzione opposta, chiudendo il suo modello di punta. I fatti sono verificabili sui pesi pubblici, i numeri sono autodichiarati e vanno presentati come tali: materiale ideale per un pezzo anti-hype.