Segun MarkTechPost (AI/ML News), Poolside ha lanzado Laguna S 2.1, un modelo de codificación agente con 118 mil millones de parámetros, diseñado para operar con eficiencia en tareas de programación. Este sistema se basa en una arquitectura de mezcla de expertos (MoE), donde solo se activan aproximadamente 6,8% de sus parámetros por cada token procesado. Aunque todos los parámetros están presentes en la memoria, alrededor de 8 mil millones son los que realmente circulan por la red en cada paso. Esta característica permite que el modelo alcance rendimiento comparable al de sistemas mucho más grandes, sin requerir infraestructura costosa.
La capacidad de procesamiento se extiende hasta 1 millón de tokens en modos tanto de pensamiento como de ejecución. Los pesos del modelo están disponibles en Hugging Face bajo la licencia OpenMDW-1.1, y su tamaño lo hace viable para ejecutarse en una sola unidad NVIDIA DGX Spark. Desde el inicio de su entrenamiento, el modelo fue lanzado en menos de nueve semanas, con la preentrenación iniciada el 22 de mayo de 2026 en 4.096 GPUs de tipo H200. Además, es el primer modelo de la empresa en aplicar el aprendizaje por refuerzo en precisión FP8, lo que optimiza el consumo de energía y recursos sin sacrificar efectividad.
En evaluaciones técnicas, Laguna S 2.1 registra un 70,2% en Terminal-Bench 2.1 con activación de pensamiento, posicionándolo como el más alto en modelos abiertos y de tamaño declarado en el ranking oficial de Poolside. En el benchmark SWE-Bench Multilingual, alcanza un 78,5%, superando a todos los modelos publicados en el mismo ámbito. La diferencia más notable se observa frente a DeepSeek-V4-Pro-Max, que obtiene un 9,0% en el mismo test, mientras que Laguna S 2.1 logra 40,4%, con una carga activa de parámetros que representa aproximadamente una sexta parte de su total.
Este desarrollo representa un punto clave en el avance de los modelos de inteligencia artificial aplicada a la programación. Para inversionistas y profesionales del sector peruano, especialmente en tecnologías emergentes, significa que soluciones de alto rendimiento pueden implementarse sin depender de infraestructuras de gran escala. Los pequeños y medianos negocios, así como startups en desarrollo, podrían acceder a herramientas de inteligencia artificial de calidad, reduciendo costos operativos y acelerando el ciclo de innovación. La disponibilidad de formatos como BF16, FP8, INT4 y NVFP4, junto con versiones compatibles con GGUF y MLX, facilita su integración en entornos locales de desarrollo.
Este avance no solo reafirma la importancia de la eficiencia en el diseño de modelos, sino que abre puertas para que el sector tecnológico peruano explore nuevas aplicaciones en software, automatización y soluciones digitales.