Model Releases
Laguna XS 2.1: El Nuevo Estándar de Modelos MoE para Coding Agéntico
Poolside lanza Laguna XS 2.1, un modelo de 33B con arquitectura MoE que redefine la eficiencia en tareas de ingeniería de software y agentes autónomos.
2 de julio de 2026
Model ReleaseLaguna XS 2.1
Introducción: Una nueva era para el desarrollo asistido por IA
El ecosistema de la inteligencia artificial aplicada al desarrollo de software acaba de recibir un impulso sísmico. Poolside ha anunciado oficialmente el lanzamiento de Laguna XS 2.1, un modelo diseñado específicamente para el 'agentic coding', es decir, para actuar no solo como un autocompletado, sino como un agente capaz de razonar y ejecutar tareas complejas de ingeniería.
A diferencia de los modelos de propósito general, Laguna XS 2.1 se enfoca en la precisión técnica y la capacidad de mantener el contexto en proyectos de gran escala. Con su llegada el 2 de julio de 2026, Poolside no solo busca mejorar el rendimiento, sino democratizar el acceso a modelos de alto nivel mediante una licencia permisiva y pesos abiertos, desafiando la hegemonía de los modelos cerrados en el sector profesional.
- Lanzamiento oficial: 2 de julio de 2026
- Enfoque principal: Agentic coding y tareas de largo horizonte
- Filosofía: Open-weight con licencia altamente permisiva
Arquitectura y Especificaciones Técnicas
La arquitectura de Laguna XS 2.1 es una evolución refinada de su predecesor, XS.2. Utiliza un sistema de Mixture-of-Experts (MoE) con un total de 33 mil millones de parámetros, pero con una eficiencia asombrosa: solo 3 mil millones de parámetros se activan por cada token procesado. Esto permite una latencia extremadamente baja sin sacrificar la profundidad del conocimiento.
Uno de los pilares de su rendimiento es la integración de DFlash, un decodificador especulativo de pesos abiertos que logra duplicar aproximadamente los tokens por segundo alcanzados anteriormente. Además, el modelo soporta una ventana de contexto masiva de 256K tokens, permitiendo que los desarrolladores carguen repositorios enteros para análisis o refactorización sin perder el hilo conductor.
- Parámetros totales: 33B (MoE)
- Parámetros activados: 3B por token
- Ventana de contexto: 256K tokens
- Tecnología clave: DFlash speculative decoders para velocidad 2x
Rendimiento y Benchmarks: El salto cualitativo
Lo que realmente separa a Laguna XS 2.1 de la competencia es su capacidad de resolución de problemas reales. El modelo ha demostrado una mejora sustancial en el benchmark SWE-bench Multilingual, saltando 5.4 puntos porcentuales para alcanzar un impresionante 63.1%, superando significativamente a la versión XS.2.
Aunque la arquitectura base se mantiene igual que en la versión anterior, los beneficios provienen de un proceso de entrenamiento intensivo y una actualización profunda del dataset. Este 'refresh' de datos ha permitido que el modelo no solo escriba código sintácticamente correcto, sino que comprenda mejor la lógica de negocio y las dependencias multilingües en entornos de software complejos.