Poolside tidak datang dengan model satu triliun parameter. Perusahaan itu merilis Laguna S 2.1 sebagai model coding MoE dengan 118B parameter total dan 8B parameter aktif. Bobotnya tersedia di Hugging Face, dan Poolside mengatakan model ini dapat berjalan pada satu NVIDIA DGX Spark.
Nilai beritanya terletak pada kemunculan model coding open-weight dari perusahaan Barat yang bisa di-host sendiri. Poolside tidak mengklaim mengalahkan GPT atau Claude. Di angka resminya, Laguna S 2.1 mencetak 70,2% di Terminal-Bench 2.1, masih di belakang frontier tertutup. Taruhannya adalah perusahaan akan menerima jarak itu jika kode, log, dan data tetap berada di mesin mereka sendiri.
Ukuran yang lebih realistis untuk diterapkan
Menurut blog resmi Poolside, Laguna S 2.1 adalah model Mixture-of-Experts 118B-total dan 8B-active, mendukung konteks hingga 1 juta token, dan dirilis kurang dari sembilan minggu sejak pelatihan dimulai.
Target utamanya adalah agentic coding. Poolside mencantumkan skor Terminal-Bench 2.1 70,2%, SWE-Bench Multilingual 78,5%, SWE-Bench Pro publik 59,4%, dan DeepSWE 40,4%. The Next Web memberi pembacaan serupa: model ini mendekati atau melampaui beberapa model terbuka yang lebih besar pada Terminal-Bench dan SWE-Bench Pro, sementara model tertutup masih unggul sekitar 10 sampai 15 poin.
Angka-angka itu perlu dibaca hati-hati. Skor 70,2% berasal dari agent harness milik Poolside untuk Terminal-Bench 2.1. Skor DeepSWE 40,4% memakai thinking mode; dalam tolok ukur yang sama, no-thinking hanya 16,5%. Poolside juga mengakui sebagian perbandingan memakai laporan vendor, leaderboard, atau nilai tertinggi pihak ketiga, sehingga lebih cocok untuk melihat posisi, bukan perbandingan presisi.
Fokusnya adalah kebiasaan kerja
Poolside tidak menggambarkan pembaruan ini sebagai sekadar tambahan parameter. Perusahaan menekankan perilaku yang lebih sering memverifikasi, lebih sedikit berasumsi, tidak terlalu cepat menyatakan selesai, dan lebih gigih.
"What we've done in this model is not necessarily add more intelligence, but improve the behaviors that lead to a more capable model: more verification, less taking things for granted, not declaring victory early, and being more persistent."
Pengming Wang, co-lead applied research Poolside, sedang menjelaskan kebiasaan kerja agen coding: cek lebih banyak, jangan menganggap semuanya benar, dan jangan berhenti sebelum pengujian benar-benar lewat.
Contoh yang diberikan mendukung narasi itu. Laguna S 2.1 disebut membangun mesin rendering HTML/CSS sederhana dari folder kosong dalam sesi 50 menit dengan 181 langkah. Dalam tugas optimasi harness internal lain, model meningkatkan kecepatan 5,2% dan menurunkan alokasi memori sekitar 70%. Ini bukan bukti performa pelanggan, tetapi menunjukkan Poolside menjual kemampuan kerja rekayasa jangka panjang, bukan sekadar chat.
Celah untuk open weight
Selama setahun terakhir, percakapan model coding open-weight banyak didorong tim China seperti Kimi K3, Qwen, DeepSeek, dan MiniMax. Di sisi Barat, banyak pemain tetap menjual API tertutup, sementara model terbuka mereka sering kurang mencolok dalam ukuran dan kemampuan coding.
Ukuran 118B-A8B Laguna S 2.1 terlihat seperti titik kompromi: lebih kuat untuk tugas panjang daripada kelas 30B, tetapi lebih mudah diterapkan daripada model triliunan parameter. Kartu model Hugging Face menyebut versi NVFP4 memakai lisensi OpenMDW-1.1. vLLM Recipes mengingatkan bahwa bobot BF16 sekitar 235GB, sehingga versi terkuantisasi lebih realistis untuk desktop dan node multi-GPU.
Bagi perusahaan teregulasi, perbedaannya nyata. Kode, kerentanan, data pelanggan, dan log sistem internal tidak selalu boleh dikirim ke API tertutup luar negeri. Kemampuan berjalan lokal, bobot dan lisensi yang bisa diaudit, serta dukungan vLLM, SGLang, Ollama, OpenRouter, dan Vercel AI Gateway dapat lebih menentukan daripada beberapa poin benchmark.
Batasannya juga jelas
Poolside mencantumkan beberapa kekurangan. Dalam agent harness pihak ketiga, model bisa terlalu mengingat format alat milik Poolside dan salah memakai schema yang mirip. Panggilan alat bertingkat dapat menghasilkan JSON dengan escaping keliru. Thinking mode kadang berpikir terlalu lama, terutama pada soal matematika kompetisi.
Ketiganya menunjuk risiko yang sama: agen coding sering gagal bukan hanya karena tidak bisa menulis kode, melainkan karena protokol alat, anggaran konteks, dan waktu berhenti. Setelah model dihubungkan ke CI, repositori, tiket, dan sistem izin, satu panggilan alat yang salah bisa lebih mahal daripada satu jawaban yang salah.
Poolside juga memberi patokan biaya. Endpoint gratis OpenRouter menyediakan konteks 256K, sedangkan endpoint berbayar khusus menyediakan konteks penuh 1 juta token dengan harga US$0,10 per juta token input, US$0,20 per juta token output, dan US$0,01 per juta token cache read. Itu jauh lebih murah daripada model frontier tertutup, tetapi sesi agen panjang bisa menghabiskan ratusan ribu token output.
Uji sebenarnya ada di repositori
Posisi Laguna S 2.1 cukup jelas: bukan kandidat juara umum melawan model tertutup, melainkan fondasi agen coding yang dapat diunduh, di-host sendiri, dan dipasang ke stack inferensi yang sudah ada.
Sinyal berikutnya adalah apakah unduhan Hugging Face dan replikasi komunitas bertahan, apakah vLLM, Ollama, dan SGLang stabil di repositori nyata, apakah Laguna generasi berikutnya dapat memangkas jarak Terminal-Bench, dan apakah lisensi OpenMDW cukup nyaman untuk pemeriksaan kepatuhan komersial.
Jika semua itu berjalan, nilai Laguna S 2.1 bukan slogan “DeepSeek versi Barat”. Jawabannya lebih praktis: kode tetap lokal, model bisa mengerjakan repositori dalam sesi panjang, biaya dapat dihitung, dan jarak kemampuan sudah cukup kecil untuk diuji di proyek nyata.
Sumber: blog resmi Poolside, kartu model Hugging Face, vLLM Recipes, CocoLoop, The Next Web; memeriksa parameter model, parameter aktif, jendela konteks, metodologi benchmark, perangkat pelatihan, lisensi, deployment inferensi, dan batasan yang dipublikasikan.