La competència entre models de codi obert i models propietaris s'ha intensificat aquest estiu, amb laboratoris occidentals com Poolside intentant demostrar que poden igualar el rendiment de models xinesos molt més grans, com DeepSeek V4-Pro Max, amb una fracció dels seus paràmetres.
Segons ha anunciat Poolside al seu bloc oficial el 21 de juliol, l'empresa ha publicat Laguna S 2.1, un model de mescla d'experts (MoE) de 118.000 milions de paràmetres totals amb només 8.000 milions de paràmetres activats per token, dissenyat per a tasques agèntiques de programació i amb una finestra de context de fins a 1 milió de tokens. El model obté un 70,2% a Terminal-Bench 2.1 —onzena posició global i la millor dins la seva categoria de mida—, un 78,5% a SWE-Bench Multilingual i un 59,4% a SWE-Bench Pro, per davant del 64,0% que obté DeepSeek-V4-Pro-Max en Terminal-Bench 2.1 tot i tenir 1,6 bilions de paràmetres. Poolside ha desenvolupat el model en menys de nou setmanes des de l'inici de l'entrenament, el 22 de maig, i n'ha publicat els pesos a Hugging Face sota llicència OpenMDW-1.1, en diversos formats de precisió, prou lleuger per executar-se en una sola NVIDIA DGX Spark.
La notícia és rellevant perquè reforça l'argument que els laboratoris occidentals de pesos oberts poden competir amb models xinesos molt més grans en tasques de programació sense necessitar la mateixa escala de còmput, en un moment en què el codi obert s'ha convertit en un dels principals camps de batalla entre laboratoris nord-americans, europeus i xinesos.
Poolside no ha publicat resultats independents verificats per tercers per a totes les comparatives esmentades, i el rendiment relatiu davant de models com DeepSeek-V4-Pro-Max es basa en la taula de classificació pròpia de l'empresa, no en una avaluació neutral realitzada per un organisme extern.