TLDR;

O Laguna S2.1 é um modelo de mistura de especialistas com 118 bilhões de parâmetros e apenas 8 bilhões ativos por token, lançado pela Poolside AI em menos de nove semanas de treinamento. Ele supera o GLM 5.2 em eficiência ao gerar menos tokens em tarefas de codificação como jogos, mantendo qualidade similar e rodando localmente em hardware como MacBook de 128 GB. O modelo está disponível gratuitamente nos pesos abertos via Hugging Face ou na plataforma World of AI benchmark para uso local sem custo.

Resumo

O modelo Laguna S2.1, lançado pela Poolside AI, é um LLM de 118 bilhões de parâmetros no formato Mixture of Experts, com apenas 8 bilhões de parâmetros ativos por token. Ele suporta até 1 milhão de tokens de contexto, oferece modos de raciocínio e não raciocínio, e foi treinado em menos de nove semanas. Apesar do tamanho reduzido, o modelo entrega desempenho competitivo com sistemas muito maiores em tarefas de codificação, especialmente em cenários de contexto longo. Sua grande vantagem está na eficiência: roda localmente em hardware acessível, como uma única Nvidia DGX Spark ou até em um MacBook de 128 GB, sem precisar de servidores multi-GPU. Nos benchmarks, alcançou 78,5% no Swaybench Multilingual e 70,2% no Terminal Bench 2.1, superando modelos como Gemini 3.5 Flash e Claude Sonnet em alguns testes. Exemplos práticos mostram que ele gera jogos completos, como Tetris e Geometry Dash, com qualidade semelhante a modelos maiores, porém gastando menos tokens e executando quase duas vezes mais rápido. Disponível em pesos abertos no Hugging Face e via API acessível, o Laguna S2.1 se destaca como uma solução prática e econômica para desenvolvedores que priorizam implantação local e integração real em fluxos de trabalho, em vez de apenas perseguir o maior número de parâmetros.