Laguna S 2.1 bietet bis zu eine Million Token Kontext und einen Thinking- sowie einen No-Thinking-Modus. Poolsides Tabelle führt 70,2 Prozent auf Terminal-Bench 2.1 und Rang elf aus; Kimi K3, Fable 5 und Qwen-3.7 Max liegen dort höher. DeepSeek V4 Pro Max kommt trotz rund 1,6 Billionen Gesamtparametern auf einen niedrigeren Wert.
Poolside gibt die Trainingszeit mit weniger als neun Wochen auf 4.096 H200-GPUs an. Die Gewichte sind für Nvidia DGX Spark optimiert und über Hugging Face, OpenRouter, Ollama, vLLM und weitere Dienste verfügbar. Das Start-up bezeichnet Laguna als sein drittes Coding-Modell innerhalb von drei Monaten.
Benchmarkwerte und die Vergleichstabelle stammen von Poolside und sind nicht unabhängig reproduziert. Bei agentischen Coding-Tests beeinflussen Harness und Thinking-Budget die Ergebnisse. Unabhängige Berichte bestätigen die Einordnung als kompaktes Open-Weight-Modell, das im offenen Feld konkurrenzfähig ist, während geschlossene Spitzenmodelle in der Tabelle vorn bleiben.