TL;DR:
- Poolside, la startup del exdirector de tecnología de GitHub Jason Warner, lanzó el 21 de julio de 2026 Laguna S 2.1, un modelo de pesos abiertos de 118.000 millones de parámetros (8.000 millones activos) enfocado en programación agéntica.
- Anota 70,2% en Terminal-Bench 2.1 y aguanta frente a modelos abiertos varias veces más grandes, aunque no supera al chino Kimi K3, un modelo de 2,8 billones de parámetros: unas 20 veces su tamaño.
- Es lo bastante pequeño para correr en una sola NVIDIA DGX Spark, lo que permite ejecutarlo en local y bajar la dependencia de las APIs de pago de OpenAI y Anthropic.
Poolside volvió a la conversación de la inteligencia artificial por la puerta grande. La startup cofundada por el exdirector de tecnología de GitHub, Jason Warner, lanzó el 21 de julio de 2026 su nuevo modelo, Laguna S 2.1, un sistema de pesos abiertos de 118.000 millones de parámetros construido para programación agéntica y trabajo de largo alcance. Su carta fuerte es la eficiencia: aunque es mucho más pequeño que sus competidores, aguanta el paso a modelos abiertos varias veces más grandes, algunos hasta veinte veces su tamaño, con una sola excepción. Poolside publicó los pesos en Hugging Face desde el primer día, con una propuesta incómoda para OpenAI y Anthropic: correrlo en tu propia máquina para dejar de pagar por cada consulta a una API.
Un peso pluma que pelea en la categoría de los pesados
Laguna S 2.1 es un modelo Mixture-of-Experts: suma 118.000 millones de parámetros totales, pero solo activa 8.000 millones por cada token que procesa, lo que lo hace ligero para lo que rinde. Maneja una ventana de contexto de hasta un millón de tokens y trae dos modos de razonamiento, con y sin "thinking". Según Poolside, es el modelo abierto más capaz de su categoría de tamaño, y las cifras que publicó lo respaldan frente a rivales que lo multiplican por varios.
Estos son los números clave del lanzamiento, medidos en pool, el propio banco de pruebas de Poolside:
- 70,2% en Terminal-Bench 2.1, una prueba de tareas largas donde el modelo opera conectado a una terminal.
- 78,5% en SWE-Bench Multilingual y 59,4% en SWE-Bench Pro, por encima de modelos abiertos como el Hy3 de Tencent (295.000 millones de parámetros).
- 40,4% en DeepSWE, un benchmark más duro donde incluso modelos abiertos de más de un billón de parámetros se quedan por debajo del 10%.
- El modo de razonamiento pesa: activarlo sube su puntaje en Terminal-Bench del 60,4% al 70,2%, y en DeepSWE del 16,5% al 40,4%.
Ese tamaño compacto es el punto. Laguna S 2.1 cabe en una sola NVIDIA DGX Spark, una estación de trabajo de escritorio, algo impensable hace seis meses para un modelo con estas capacidades. Y salió rápido: Poolside empezó a preentrenarlo el 22 de mayo de 2026 sobre 4.096 GPUs NVIDIA H200 y lo publicó en menos de nueve semanas.
Warner, cofundador y co-CEO de Poolside, lo resumió así a Forbes:
"Como empresa estadounidense que construye para Occidente, seremos el modelo abierto más capaz de Occidente. A nivel global, en esta categoría de peso del modelo de 118.000 millones de parámetros, somos los líderes."
La única excepción es china y se llama Kimi K3
Hay un pero, y Warner no lo esconde. En pruebas públicas, Laguna S 2.1 supera a su competencia abierta estadounidense y china, pero no a Kimi K3, el modelo que la empresa china Moonshot presentó el 16 de julio de 2026. Moonshot afirma que Kimi K3 tiene 2,8 billones de parámetros, unas veinte veces el tamaño del nuevo modelo de Poolside, y planea liberar sus pesos completos el 27 de julio. Warner admite además que a Laguna todavía le falta camino para igualar a los mejores modelos cerrados de OpenAI y Anthropic.
El detalle no es menor, porque describe el estado actual de la IA de pesos abiertos. Los modelos chinos dominan: en el último mes, según la plataforma OpenRouter, los cinco modelos abiertos más usados venían de firmas chinas como Xiaomi y Tencent y de startups como Z-AI. Kimi K3, de hecho, superó al mejor modelo de OpenAI y al Fable 5 de Anthropic en algunas tareas de programación según el ranking Arena, y cobra alrededor de dos tercios menos que Anthropic por la misma tarea. Su llegada la semana pasada sacudió a los mercados en Estados Unidos.
"Abierto" no significa lo que muchos creen
Conviene aclarar un término que se usa a la ligera. Pesos abiertos (open weights) no es lo mismo que código abierto: empresas como DeepSeek o la propia Poolside publican los pesos del modelo, es decir, los parámetros ya entrenados que cualquiera puede descargar, ejecutar en local y ajustar, pero no necesariamente el código de entrenamiento ni los datos con los que se construyó. La diferencia es la que separa recibir un motor terminado de recibir los planos completos de la fábrica.
Ahí está el gancho comercial. Correr un modelo en tu propia infraestructura cambia las cuentas: para gobiernos, defensa y sectores regulados, los clientes que Poolside ya atiende, significa mantener el código y los datos sensibles dentro de casa. Para empresas y desarrolladores, significa sacar el trabajo repetitivo de las APIs con costo por consumo de OpenAI o Anthropic y llevarlo a hardware propio. Para quien programa en México, España o Latinoamérica y vigila la factura mensual de estas herramientas, ese es el argumento más concreto: control y costo.
Silicon Valley anda en esa carrera. La semana pasada, el laboratorio de la exdirectora de tecnología de OpenAI Mira Murati, Thinking Machines Lab, estrenó su primer modelo abierto, Inkling, con una honestidad poco común en el sector: dijo que "no es el modelo más potente disponible hoy, ni abierto ni cerrado", sino uno pensado para ser flexible y fácil de personalizar. Otra startup, Reflection, levantó 2.500 millones de dólares con una valuación de 25.000 millones en marzo y aún no lanza producto. Y OpenAI, Google y hasta Nvidia ya juegan en pesos abiertos, mientras que Meta, que alguna vez lideró con Llama, se pasó el año pasado a un modelo cerrado llamado Spark. La francesa Mistral enseñó que el negocio existe: facturó más de 200 millones de dólares el año pasado con modelos abiertos, con el argumento de venta de no ser ni china ni estadounidense.
Una "fábrica de modelos" y una pelea política de fondo
Poolside insiste en que su ventaja no es un modelo, sino el método. Warner sostiene que los 18 meses en que la startup casi desapareció los dedicó a montar una "fábrica de modelos" capaz de producir versiones nuevas cada pocas semanas, y que la creación de modelos dejó de ser un proceso artesanal para volverse industrial. Los tiempos acompañan el relato: entre el 28 de abril y el 21 de julio de 2026, Poolside sacó tres modelos (Laguna M.1, Laguna XS 2.1 y este S 2.1), y ya empezó a preentrenar uno más grande la semana pasada.
¿Qué mejoró en concreto? Según Poolside, no más "inteligencia" a secas, sino la forma de trabajar del modelo:
"Lo que hicimos en este modelo no es necesariamente añadir más inteligencia, sino mejorar los comportamientos que llevan a un modelo más capaz: más verificación, dar menos cosas por sentadas, no cantar victoria antes de tiempo y ser más persistente."
La explicación es de Pengming Wang, co-responsable de investigación aplicada en Poolside. En una de las demostraciones que la empresa hizo públicas, el modelo redescubrió por su cuenta una prueba a un problema de Erdős que llevaba más de 50 años abierto.
La empresa también publicó el modelo con limitaciones conocidas que dice estar corrigiendo:
- Puede fallar al seguir la definición de herramientas en entornos de agente de terceros, porque se apoya en su memoria de cómo funcionaba esa herramienta.
- En algunos casos genera JSON inválido cuando un argumento espera un arreglo de datos.
- Tiende a "pensar de más": se alarga en secuencias largas de razonamiento antes de avanzar, sobre todo en problemas de matemáticas.
El telón de fondo es político. Axios reportó que la Casa Blanca y el Departamento de Comercio de Estados Unidos discutieron medidas que, en la práctica, prohibirían a las empresas estadounidenses usar modelos abiertos chinos, justo el tipo de vuelco regulatorio que favorecería a jugadores como Poolside. No todos lo ven igual.
"Estamos en un punto de inflexión crítico en la política de IA. Los principales laboratorios cerrados, que ya son un duopolio en ingresos por modelos de IA, quieren que el gobierno elimine a su competencia de código abierto."
Lo escribió en X David Sacks, inversor de capital de riesgo y asesor de IA de la Casa Blanca.
Por ahora, Laguna S 2.1 no destrona a nadie en la cima. Su apuesta es otra: demostrar que un modelo occidental, pequeño y descargable puede hacer trabajo serio de programación sin depender de una API ajena ni de un modelo chino. Si Poolside cumple su promesa de sacar versiones cada pocas semanas y escalar a tamaños mayores, la pelea por la IA abierta deja de ser solo cosa de China.
Preguntas rápidas sobre Laguna S 2.1
¿Qué es Laguna S 2.1?
Laguna S 2.1 es el modelo de pesos abiertos de la startup Poolside, lanzado el 21 de julio de 2026. Tiene 118.000 millones de parámetros (8.000 millones activos), arquitectura Mixture-of-Experts y ventana de contexto de hasta un millón de tokens. Está diseñado para programación agéntica y tareas de largo alcance.
¿Laguna S 2.1 es gratis y de código abierto?
Sus pesos están disponibles gratis en Hugging Face bajo licencia OpenMDW-1.1: se pueden descargar, ejecutar en local y ajustar. Eso sí, se liberan los pesos, no el código de entrenamiento ni los datos. En la API de OpenRouter hay un acceso gratuito con 256K de contexto y otro de pago con el millón completo.
¿Laguna S 2.1 supera a Kimi K3?
No. Según Poolside, Laguna S 2.1 es el modelo abierto más capaz de su categoría de tamaño y aguanta frente a rivales varias veces más grandes, pero no supera al chino Kimi K3, de Moonshot, un modelo de 2,8 billones de parámetros (unas 20 veces su tamaño). Warner reconoce que aún está lejos de los mejores modelos cerrados.
