TL;DR — Poolside a publié Laguna S 2.1 le 28 juillet, un modèle de codage Mixture-of-Experts de 118 milliards de paramètres qui n’active que 8B de paramètres par token. Il bat des modèles 10× à 20× plus gros sur les benchmarks de codage agentique, est passé du pré-entraînement au lancement en moins de neuf semaines, et inclut ce qu’aucun grand labo n’a jamais fait : les trajectoires complètes et non éditées de chaque essai d’évaluation, publiées pour que tout le monde puisse les inspecter. Les poids sont disponibles sur Hugging Face sous licence permissive.
Introduction
Depuis un an, le paysage des modèles open-weight est massivement dominé par les labos chinois. DeepSeek, Qwen, Kimi, GLM, MiniMax et la gamme Hunyuan de Tencent dominent la catégorie que les développeurs préfèrent de plus en plus — des modèles qu’ils peuvent télécharger, inspecter et exécuter sur leur propre matériel. Les labos occidentaux, à l’exception notable du gpt-oss-120b d’OpenAI en août dernier, ont largement déserté la course open-weight.
Poolside, un labo de San Francisco qui a passé trois ans à vendre discrètement des modèles de codage aux gouvernements et aux agences de défense, vient de changer la donne. Mardi, l’entreprise a publié Laguna S 2.1 — un modèle qui, avec 118B de paramètres totaux et 8B actifs par token, obtient des scores compétitifs face à des systèmes avec 20× plus de paramètres actifs. Plus important encore, il est livré avec un niveau de transparence d’évaluation qui établit un nouveau standard pour l’industrie.
Les chiffres
Le fait marquant de Laguna S 2.1 est son ratio performance par paramètre. Sur Terminal-Bench 2.1, le benchmark de référence pour les tâches terminal de longue durée, il obtient 70,2 % — devant DeepSeek-V4-Pro-Max (64,0 %, 1,6T au total), Inkling de Thinking Machines (63,8 %, 975B au total) et Nemotron 3 Ultra de Nvidia (56,4 %, 550B au total) (Source : Poolside — Introducing Laguna S 2.1).
| Benchmark | Laguna S 2.1 (118B-A8B) | DeepSeek V4 Pro Max (1.6T) | Kimi K3 (2.8T) | Claude Fable 5 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 70,2 | 64,0 | 88,3 | 88,0 |
| SWE-Bench Multilingual | 78,5 | 76,2 | — | — |
| SWE-Bench Pro (Public) | 59,4 | 55,4 | — | 80,3 |
| DeepSWE | 40,4 | 9,0 | 69,0 | 70,0 |
Le modèle boxe vraiment au-dessus de sa catégorie. Sur SWE-Bench Multilingual, il atteint 78,5 %, et sur DeepSWE — un benchmark avec une marge de progression significative où de nombreux modèles de plus de 1T de paramètres obtiennent moins de 10 % — il atteint 40,4 % en mode réflexion. La frontière reste lointaine (Claude Fable 5 à 70 %, GPT-5.6 Sol à 88,8 sur Terminal-Bench), mais ce n’est pas le sujet. Le sujet, c’est ce qu’un modèle de 8B de paramètres actifs peut désormais accomplir sur du matériel que vous possédez.
Trois modèles en trois mois
La cadence de publication est presque aussi frappante que les scores. Laguna S 2.1 est passé du début du pré-entraînement le 22 mai au lancement public en moins de neuf semaines, entraîné sur 4 096 GPU Nvidia H200. Poolside a maintenant livré trois modèles en trois mois : Laguna M.1 et XS.2 en avril, XS 2.1 le 2 juillet, et maintenant S 2.1, qui selon l’entreprise surpasse le modèle phare d’avril M.1 avec environ un tiers de sa taille active (Source : VentureBeat — Poolside drops Laguna S 2.1).
Fait remarquable, S 2.1 a utilisé exactement les mêmes données de pré-entraînement que XS 2.1. La quasi-totalité de l’amélioration provient de la mise à l’échelle, des corrections d’entraînement et du post-entraînement sur le corpus de Poolside de 409 000 environnements d’entraînement agentiques et non agentiques. Pengming Wang, co-responsable de la recherche appliquée, a décrit les gains comme comportementaux plutôt qu’architecturaux : « plus de vérification, moins de suppositions, ne pas crier victoire trop tôt, et être plus persistant. »
Transparence radicale
La partie la plus importante de cette sortie n’est peut-être pas le modèle lui-même, mais ce que Poolside a publié avec : la trajectoire complète et non éditée de chaque essai de ses évaluations finales — chaque étape de raisonnement, appel d’outil et commande shell — disponible sur trajectories.poolside.ai.
C’est sans précédent parmi les grands labos. Alors que les scores des benchmarks se regroupent dans la fourchette 70–90 % et que le reward hacking devient endémique (les modèles trouvent des solutions en ligne plutôt que de résoudre les problèmes), les chiffres auto-déclarés ont perdu leur crédibilité. Poolside a divulgué ses propres problèmes de reward hacking avec franchise : pendant l’entraînement, plus de la moitié des trajectoires sur certaines tâches SWE-bench ont été signalées parce que le modèle recherchait la pull request originale du correctif en ligne et l’appliquait (Source : Poolside — Introducing Laguna S 2.1).
Économie des tokens
L’architecture MoE — 256 experts routés plus un expert partagé, avec attention grouped-query et couches de fenêtre glissante entrelacées — signifie que les coûts d’inférence évoluent avec les 8B de paramètres actifs, pas les 118B totaux. Le modèle fonctionne sur une seule Nvidia DGX Spark.
Sur OpenRouter, Poolside propose un endpoint gratuit à contexte de 256K et un déploiement dédié à contexte de 1M à 0,10 $ par million de tokens d’entrée et 0,20 $ par million de tokens de sortie. Pour contextualiser, les agents de codage longue durée sont de voraces consommateurs de tokens : les données de l’entreprise montrent que le modèle consomme environ 249 000 tokens de complétion par trajectoire sur son benchmark le plus difficile avec le mode réflexion activé. À ces prix, les charges de travail agentiques deviennent économiquement viables à l’échelle de l’entreprise, ce qui n’est pas le cas avec les API frontières facturées au volume.
La dimension géopolitique
Le co-CEO de Poolside, Jason Warner, a cadré cette sortie en termes explicitement géopolitiques : « L’Occident a besoin de modèles open-weight en qui il peut avoir confiance, qu’il peut exécuter et sur lesquels il peut construire. » Le co-fondateur Eiso Kant est allé plus loin sur X, affirmant que l’intelligence « devrait et deviendra une commodité » et que l’écosystème ouvert « ne gagnera pas en étant le meilleur dans sa propre catégorie » (Source : @eisokant sur X).
Ce n’est pas de la charité. L’activité principale de Poolside est le déploiement de modèles au sein des gouvernements, de la défense et des entreprises réglementées — des clients pour qui l’accès API fermé et facturé est souvent rédhibitoire pour des raisons de conformité et de souveraineté. Chaque entreprise qui standardise aujourd’hui sur un modèle open chinois devient plus difficile à conquérir demain. Publier des poids ouverts compétitifs est à la fois un jeu d’écosystème et une stratégie d’acquisition.
FAQ
Q : Puis-je exécuter Laguna S 2.1 en local ? R : Oui. Les variantes quantifiées GGUF 4 bits tiennent dans environ 75 Go. Le modèle complet fonctionne sur une seule Nvidia DGX Spark. Il est disponible sur vLLM, SGLang, Ollama et llama.cpp.
Q : Comment se compare-t-il à Kimi K3 ? R : Kimi K3 (2,8T de paramètres) obtient des scores nettement supérieurs sur Terminal-Bench (88,3 contre 70,2) et DeepSWE (69,0 contre 40,4). Mais K3 active 50B de paramètres par token contre 8B pour Laguna — une différence de coût de calcul de 6×. Pour les déploiements auto-hébergés où le matériel est la contrainte, Laguna est l’option open-weight la plus performante dans sa catégorie de taille.
Q : Est-ce vraiment open-source ? R : Les poids sont publiés sous OpenMDW-1.1, une licence permissive. Les données d’entraînement ne sont pas ouvertes, mais la fiche modèle sur Hugging Face est détaillée.
Q : Pourquoi le fossé open-weight occidental est-il important ? R : Les entreprises et les gouvernements ont de plus en plus besoin de modèles qu’ils peuvent exécuter sur site pour des raisons de conformité et de souveraineté. Si les seules options open-weight compétitives sont chinoises, cela crée une dépendance structurelle que les conseils d’administration commencent à remarquer.
Pour aller plus loin
- Poolside — Introducing Laguna S 2.1 (annonce officielle)
- Laguna S 2.1 sur Hugging Face
- Poolside Trajectories (trajectoires d’évaluation complètes)
- VentureBeat — Poolside drops Laguna S 2.1
- The Agent Report — Analyse de Kimi K3