Poolside Laguna XS 2.1 gana 5 puntos en pruebas de codificación con el mismo hardware

Poolside lanzó hoy Laguna XS 2.1, una actualización incremental de su modelo Mixture-of-Experts centrado en codificación. La cifra principal es un salto de 5.4 puntos en SWE-bench Multilingual, elevando la tasa de tareas resueltas al 63.1%. Eso parece una mejora menor hasta que se observa la tabla de referencia de la empresa: XS 2.1 ahora supera a modelos con 10 a 40 veces más parámetros activos en varias pruebas de codificación agéntica.

El modelo mantiene la misma arquitectura que XS.2, 33B parámetros totales, 3B activados por token, pero la empresa afirma que se entrenó durante más tiempo o con mejores datos, o ambas. La publicación del lanzamiento no especifica qué cambió en el entrenamiento, solo que el resultado es "una mejora notable en SWE-bench Multilingual y un rendimiento más fuerte en tareas de tipo terminal". Esa vaguedad es común en las notas de lanzamiento de modelos, pero aquí importa porque las mejoras en las pruebas no conllevan un aumento en el costo del hardware. XS 2.1 cuesta lo mismo en la API de Poolside que XS.2: $0.10 por millón de tokens de entrada, $0.20 por millón de tokens de salida, $0.05 por millón de tokens de lectura de caché. Para equipos que ya ejecutan XS.2 localmente en una sola GPU, la actualización es esencialmente gratuita en términos de cómputo.

Qué muestran realmente las pruebas comparativas

Poolside publicó puntuaciones en cuatro pruebas comparativas de codificación agéntica: SWE-bench Verified, SWE-bench Multilingual, SWE-Bench Pro y Terminal-Bench 2.0. La empresa comparó XS 2.1 contra Qwen3.6 (35B-A3B), North Mini Code de Cohere (30B-A3B), MAI-Code-1-Flash (137B-A5B), GPT-OSS-120B y Claude Haiku 4.5. En SWE-bench Multilingual, XS 2.1 lidera el conjunto de comparación con un 63.1%. En SWE-bench Verified, va por detrás de varios modelos más grandes. En Terminal-Bench 2.0, empata aproximadamente con Qwen3.6.

La conclusión no es que XS 2.1 domine todas las pruebas, no lo hace. En cuatro pruebas, lidera una, empata aproximadamente una y va por detrás en dos. Pero logra todo esto con solo 3B parámetros activos. Un modelo que cabe en una sola GPU de consumo compite con ofertas que necesitan hardware de centro de datos, y eso cambia la economía de la codificación local con IA para desarrolladores individuales y equipos pequeños.

Decodificación especulativa e inferencia local

Poolside también lanza modelos especuladores DFlash para cada punto de control de XS 2.1. Estos son modelos de borrador pequeños entrenados para predecir los siguientes tokens del modelo principal de manera económica, una técnica llamada decodificación especulativa. En las pruebas internas de la empresa, emparejar XS 2.1 con su especulador duplica los tokens por segundo alcanzados. Para cualquiera que ejecute el modelo localmente, donde la latencia es el cuello de botella, esto marca una diferencia significativa en la capacidad de respuesta del agente de codificación.

El modelo admite vLLM, SGLang, NVIDIA TensorRT-LLM, Hugging Face transformers y Ollama. Los puntos de control cuantizados están disponibles en FP8, INT4 y NVFP4, permitiendo a los usuarios intercambiar precisión por VRAM. La empresa dice que los puntos de control GGUF cuantizados y el soporte para llama.cpp llegarán pronto.

Cambio de licencia y movimiento en el ecosistema

Poolside licencia XS 2.1 bajo OpenMDW-1.1, abandonando la licencia que usaba XS.2. OpenMDW es el marco de distribución de modelos abiertos respaldado por NVIDIA y la Linux Foundation. La empresa lo califica como "totalmente permisivo" y dice que el cambio "reduce la fricción de licencias para lanzamientos de modelos abiertos". Para equipos que evalúan modelos, esto elimina un quebradero de cabeza más: no es necesario realizar una revisión de licencia para un modelo que podría terminar en un producto comercial.

El momento coincide con un impulso más amplio de NVIDIA para estandarizar cómo se distribuyen los modelos abiertos. La historia de Poolside no solo trata de números en pruebas comparativas; se trata de hacer que esos números sean accesibles en hardware local bajo una licencia que los abogados aprobarán.

Qué queda despriorizado

Poolside retirará XS.2 de su propia API después de una semana. Los equipos que construyeron implementaciones dedicadas alrededor del modelo anterior aún pueden acceder a él a través de la Biblioteca de Modelos de Baseten, pero la empresa claramente está impulsando a todos hacia 2.1. La ventana de retiro de una semana en la API es corta; los equipos que ejecuten evaluaciones o pruebas de regresión deberán actuar rápido.

La empresa también hizo una apuesta deliberada por la codificación agéntica sobre el razonamiento de propósito general. XS 2.1 está diseñado para "trabajo a largo plazo en una máquina local", lo que significa el tipo de tareas de codificación de múltiples pasos que maneja un bucle agéntico. No es un chatbot generalista. Los equipos que lo usen para algo que no sea código pueden encontrarlo más limitado de lo que sugiere la tabla de pruebas.

El panorama general

El lanzamiento de Poolside encaja en un patrón que se ha ido construyendo durante dos años: modelos pequeños y eficientes que se ejecutan en hardware local están invadiendo el territorio que una vez perteneció exclusivamente a implementaciones masivas en centros de datos. XS 2.1 no es un avance revolucionario; es una mejora incremental que hace que un buen argumento sea ligeramente mejor. El aumento de 5.4 puntos en una prueba es modesto. Lo que importa es que Poolside lo logró sin aumentar la huella del modelo, los precios de la API ni los requisitos de hardware. Ese es el tipo de mejora que se acumula con el tiempo, y es cómo la codificación local con IA se convierte en un flujo de trabajo predeterminado, no en una curiosidad.