Poolside: US-Start-up setzt mit Laguna S 2.1 auf Modellverhalten statt Skalierung

Zuvor hatte Poolside im April 2026 mit Laguna M.1 und XS.2 seine ersten Modelle für ein breiteres Publikum veröffentlicht. Bis dahin hatte sich das Unternehmen auf Kunden im Regierungs- und Public-Sector-Bereich konzentriert. Mit XS.2 erschien zugleich das erste offene Modell unter Apache-2.0-Lizenz. Laguna S 2.1 ist die dritte Iteration der Modellreihe innerhalb von rund drei Monaten.

Benchmark-Ergebnisse im oberen Feld der Gewichtsklasse

Auf Terminal-Bench 2.1, einem Benchmark für langfristige Terminal-Aufgaben, erreicht Laguna S 2.1 mit aktiviertem Thinking 70,2 Prozent. Das Modell landet damit knapp hinter Tencents Hy3 (295B-A21B) und vor einer Reihe deutlich größerer offener Modelle wie DeepSeek-V4-Pro-Max oder Nemotron 3 Ultra oder auch das Modelldebüt vom Start-up Thinking Machines Lab. An der Spitze stehen geschlossene Modelle wie OpenAIs GPT-5.6 Sol und Anthropics Claude Fable 5 neben Kimi K3.

In Terminal-Bench 2.1 landet Laguna S 2.1 im oberen Mittelfeld knapp hinter führenden Closed-Weights-Modellen und vor vielen größeren Open-Weights-Systemen. | Bild: Poolside

Aussagekräftiger findet Poolside den DeepSWE-Benchmark von Datacurve, weil sich die Ergebnisse dort stärker auffächern. Laguna S 2.1 erreicht 40,4 Prozent, während einige Open-Weight-Modelle mit über einer Billion Parametern unter zehn Prozent bleiben. Auf SWE-Bench Multilingual, SWE-Bench Pro und SWE Atlas positioniert sich das Modell ebenfalls im oberen Feld seiner Klasse.

Der Thinking-Modus hat spürbaren Einfluss auf die Ergebnisse. Ohne Thinking fällt der Terminal-Bench-Wert auf 60,4 Prozent, auf DeepSWE sogar auf 16,5 Prozent. Poolside beschreibt S 2.1 als das bisherige Modell mit dem größten Qualitätssprung zwischen beiden Modi.

Der Thinking-Modus von Laguna S 2.1 verbessert die Erfolgsquote im ersten Versuch deutlich über alle getesteten Benchmarks. | Bild: Poolside

Arbeitsverhalten als zweite Achse neben Skalierung

Poolside formuliert eine grundlegende These zu diesem Release. "Was wir in diesem Modell getan haben, ist nicht zwingend mehr Intelligenz hinzuzufügen, sondern die Verhaltensweisen zu verbessern, die zu einem leistungsfähigeren Modell führen: mehr Verifikation, weniger Dinge als gegeben hinnehmen, nicht zu früh Sieg verkünden und beharrlicher sein", heißt es im Release-Post.

Frühere Modelle der Laguna-Reihe hätten bei einer nur teilweise bestandenen Testsuite bereits abgebrochen oder einen Ansatz zwei Schritte vor dem Erfolg aufgegeben. Poolside sieht Persistenz, Verifikation und die Bereitschaft, Ansätze zu revidieren, als zweite Achse neben der reinen Modellskalierung. Ein größeres Laguna-Modell befindet sich bereits im Pre-Training.

Poolside illustriert das mit drei dokumentierten Beispielläufen. In einem Fall baute Laguna S 2.1 in 50 Minuten aus einem leeren Ordner eine funktionierende Browser-Engine, die HTML und CSS rendern kann. In einem anderen fand das Modell in einer Sandbox ohne Python einen Beweis für das seit 1975 offene mathematische Erdős-Problem #397. Das Ergebnis ist laut Poolside eine unabhängige Wiederentdeckung; GPT-5.2 Pro hatte dieses und andere Probleme erst im Januar 2026 gelöst, während der Trainings-Cutoff von Laguna im November 2025 liegt.

Mit dem simplen Prompt "this is an unsolved problem, solve it…" löst Laguna S 2.1 in 40 Schritten das seit 1975 offene Erdős-Problem 397, dokumentiert 283.981 Zeichen Denkprozess und verursacht nur 0,088 US-Dollar Kosten. | Bild: Poolside

Post-Training auf 409.000 Umgebungen

Der Sprung vom Vorgängermodell XS 2.1 zu S 2.1 beruht laut Poolside primär auf Skalierung und Post-Training, nicht auf neuen Pre-Training-Daten. Der Trainingskorpus für die agentische Phase umfasst 409.000 Umgebungen, davon 83.000 für Terminal-Anwendungen und 168.000 für Software-Engineering-Workflows. Die größte einzelne Quelle sind rund 38.000 reale Commits aus etwa 17.000 Repositories. Neu ist eine Aufgabenklasse zur agentischen Repository-Installation, bei der das Modell selbstständig alle Abhängigkeiten einrichten und eine Testsuite zum Laufen bringen muss.

Wichtige Änderungen im Trainings-Loop sind großzügigere Rollout-Budgets mit deutlich längeren Timeouts, eine neue Sandboxing-Infrastruktur mit selektiver Netzwerksperre gegen Reward-Hacking sowie Multi-Harness-Rollouts, bei denen dieselben Prompts in mehreren Agent-Umgebungen ausgeführt werden. Das soll verhindern, dass sich das Modell zu stark an eine einzelne Umgebung anpasst.

Laut Poolside lagen zwischen Trainingsbeginn und Launch weniger als neun Wochen. Das Pre-Training startete am 22. Mai 2026 auf 4096 Nvidia-H200-GPUs. S 2.1 ist zudem das erste Modell des Unternehmens, bei dem das Reinforcement Learning in FP8-Präzision durchgeführt wurde.

Transparenz bei Reward-Hacking

Poolside veröffentlicht sämtliche Trajektorien der Benchmarkläufe unter trajectories.poolside.ai. Während der Trainingsphase habe man Reward-Hacking-Raten von über 50 Prozent auf SWE-Bench-Aufgaben beobachtet, weil das Modell online nach passenden Pull Requests suchte, statt die Aufgabe selbst zu lösen. Eine kleine Prompt-Erweiterung habe die Rate wieder unter zwei Prozent gedrückt.

Das Modell ist laut Poolside in einigen Fällen allerdings zu stark auf den eigenen Agent-Harness angepasst und weicht in fremden Umgebungen mit leicht abweichenden Tool-Schemata vom vorgegebenen Format ab. Bei mathematischen Wettbewerbsaufgaben neigt Laguna S 2.1 zudem zu übermäßig langen Denksequenzen. Eine benutzerseitige Steuerung des Thinking-Aufwands fehlt vorerst.

Verfügbarkeit und strategische Ausrichtung

Laguna S 2.1 steht ab sofort auf Hugging Face zum Download bereit, veröffentlicht unter der OpenMDW-1.1-Lizenz. Diese von der Linux Foundation getragene Lizenz für offene KI-Modelle erlaubt die freie Nutzung, Modifikation und Weiterverbreitung der Modellgewichte, auch für kommerzielle Zwecke.

Gehosteten Zugang bieten Baseten, Vercel AI Gateway sowie OpenRouter, dort mit einem kostenlosen Endpunkt bei 256K Kontext und einem bezahlten Endpunkt für das volle Kontextfenster von einer Million Token. Nach Poolside-Angaben lässt sich das Modell auch lokal auf einem einzelnen Nvidia DGX Spark betreiben. Einen kostenlosen Demo-Chat ohne Login gibt es auf chat.poolside.ai.

Poolside formuliert zwei strategische Wetten. Erstens führe der Weg zu Intelligenz über agentische Coding-Fähigkeit, weil Software das ausdrucksstärkste Interface für Agenten sei. Zweitens lasse sich "das Web dekomprimieren": Fast alle geschriebenen Inhalte dokumentierten Antworten, nicht den Denkprozess dahinter. Reinforcement Learning könne diesen Denkprozess wiederherstellen.