Kann ich Laguna XS 2.1 lokal ausführen?

Ja, die Gewichte sind offen unter der OpenMDW-1.1-Lizenz und das Modell ist auf Ollama und llama.cpp verfügbar. Poolside sagt, ein Mac mit 36 GB RAM reicht aus.

Was kostet Laguna XS 2.1 und wie lang ist der Kontext?

Über die API kostet es 0,06 $ pro Million Eingabetokens und 0,12 $ pro Million Ausgabetokens, mit einem 262.144-Tokens-Kontextfenster und bis zu 32K Ausgabetokens pro Anfrage.

Worin unterscheidet sich Laguna XS 2.1 von Laguna XS.2?

Es verbessert Laguna XS.2 mit einem +5,4 % Zuwachs beim SWE-bench Multilingual und stärkeren Ergebnissen bei Terminal-ähnlichen Aufgaben sowie FP8-KV-Cache-Quantisierung für geringeren Speicherverbrauch.

Laguna XS 2.1

2460°

#llm #poolside #logik #programmieren #agenten #langer kontext

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Poolside | 262.144 Token-Kontext | $0,06/M Eingabe, $0,12/M Ausgabe. Laguna XS 2.1 ist das neueste Programmieragentenmodell in der 33B-A3B-Kategorie von PoolsideOpens in new tab und ein Fortschritt gegenüber ihrem Laguna XS.2 Modell (veröffentlicht im April 2026). Es kombiniert Werkzeugaufrufe und Denkfähigkeiten mit einem kompakten Footprint, bietet ein 256K-Kontextfenster und bis zu 32K Ausgabe-Tokens. Quantisiert auf FP8 für schnelle, kosteneffiziente agentische Programmier-Workflows. Laguna XS 2.1 ist für Softwareentwicklung und agentische Programmier-Anwendungsfälle konzipiert; du bist…Poolside | 262.144 Token-Kontext | $0,06/M Eingabe, $0,12/M Ausgabe. Laguna XS 2.1 ist das neueste Programmieragentenmodell in der 33B-A3B-Kategorie von PoolsideOpens in new tab und ein Fortschritt gegenüber ihrem Laguna XS.2 Modell (veröffentlicht im April 2026). Es kombiniert Werkzeugaufrufe und Denkfähigkeiten mit einem kompakten Footprint, bietet ein 256K-Kontextfenster und bis zu 32K Ausgabe-Tokens. Quantisiert auf FP8 für schnelle, kosteneffiziente agentische Programmier-Workflows. Laguna XS 2.1 ist für Softwareentwicklung und agentische Programmier-Anwendungsfälle konzipiert; du bist verantwortlich dafür, zu bestätigen, dass es für deinen Einsatzzweck geeignet ist. Laguna XS 2.1 unterliegt der OpenMDW-1.1 LizenzOpens in new tab und sollte im Einklang mit Poolside's Acceptable Use PolicyOpens in new tab verwendet werden. Wir raten davon ab, die Sicherheitsvorkehrungen von Laguna XS 2.1 ohne gleichwertige Schutzmaßnahmen für deinen Anwendungsfall zu umgehen. Bitte melde Sicherheitslücken oder Sicherheitsbedenken an [email protected]. Wenn du Laguna XS 2.1 kostenlos nutzt, können wir deine Eingaben und Ausgaben verwenden, um unsere Modelle zu trainieren und zu verbessern.

Anleitungen zu diesem Modell

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

Wie viel VRAM brauche ich eigentlich für lokale KI?

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Laguna XS 2.1 ist ein 33B Mixture-of-Experts-Coding-Agent von Poolside, bei dem pro Token nur 3 Milliarden Parameter aktiviert werden, was ihn tatsächlich auf einem Mac mit 36 GB RAM ausführbar macht. Er kombiniert natives Denken mit Tool-Aufrufen über ein 256K-Kontextfenster, und seine offenen Gewichte werden unter einer vollständig erlaubnisfreien kommerziellen Lizenz veröffentlicht. Wenn Ihre Arbeit agentenbasiertes Programmieren oder langfristige Software-Engineering-Aufgaben umfasst, ist dieses Modell genau dafür gebaut.

Bekannt für

Agentenbasiertes Programmieren mit verflochtenem Denken zwischen Tool-Aufrufen
Lokal auf einem Mac mit 36 GB RAM via Ollama oder llama.cpp ausführbar
256K Kontextfenster mit bis zu 32K Ausgabetokens
Vollständig erlaubnisfreie OpenMDW-1.1-Lizenz, kommerzielle Nutzung eingeschlossen
FP8-quantisierter KV-Cache hält Speicher- und Inferenzkosten niedrig

Achte auf

Nutzung im Free-Tier erlaubt Poolside, Ihre Eingaben und Ausgaben zum Training zu verwenden.
Benchmark-Ergebnisse liegen hinter Qwen3.6-35B-A3B bei allen veröffentlichten Programmiermetriken trotz ähnlicher Größe.
Für Software-Engineering konzipiert; Eignung für andere Anwendungsfälle müssen Sie selbst prüfen.

Am besten für

Programmieren

Agenten und Werkzeugnutzung

Logisches Denken

Langer Kontext

Lokal ausführbar

Prompts zum Ausprobieren

Fehlgeschlagene Testsuite debuggen

Ich habe eine Python Flask API. Die Testsuite läuft lokal durch, schlägt aber im CI mit diesem Fehler fehl: AssertionError: 401 != 200 auf dem /api/orders-Endpunkt. Der Endpunkt benötigt ein Bearer-Token. Hier sind die Testdatei und der Routen-Handler. Identifiziere die Ursache und schreibe den Test so um, dass er in beiden Umgebungen korrekt besteht.

Für asynchrone Agenten refaktorisieren

Refaktoriere dieses synchrone Python-Skript, das drei externe APIs nacheinander aufruft, in eine asynchrone Version mit asyncio und aiohttp. Die drei Aufrufe sind unabhängig voneinander. Erhalte alle Fehlerbehandlungen, füge ein Timeout von 10 Sekunden pro Anfrage hinzu und erkläre jede Änderung.

Mehrstufige Code-Migration planen

Ich muss eine Node.js Express-App von CommonJS require() auf ES-Modul-Import/Export-Syntax migrieren. Das Projekt hat 40 Dateien, verwendet Jest für Tests und enthält einige dynamische require()-Aufrufe. Gib mir einen Schritt-für-Schritt-Migrationsplan, markiere die dynamischen require-Fälle separat und schreibe die aktualisierte package.json und Jest-Konfiguration.

Vergleichen mit

Laguna S 2.1
Modell mit offenen Gewichten
1,048,576 Token Kontext · $0.09/M Eingabe, $0.18/M Ausgabe
GPT-6 Luna
Nur API-Modell
1,050,000 Token Kontext · $0.10/M Eingabe, $0.50/M Ausgabe
Claude Opus 5.5
Nur API-Modell
1,000,000 Token Kontext · $4.00/M Eingabe, $20.00/M Ausgabe
Muse Spark 1.3 Contributor
Nur API-Modell
1,048,576 Token Kontext · $0.10/M Eingabe, $0.20/M Ausgabe

Mehr Textmodelle von poolside

Häufig gestellte Fragen

Kann ich Laguna XS 2.1 lokal ausführen?: Ja, die Gewichte sind offen unter der OpenMDW-1.1-Lizenz und das Modell ist auf Ollama und llama.cpp verfügbar. Poolside sagt, ein Mac mit 36 GB RAM reicht aus.
Was kostet Laguna XS 2.1 und wie lang ist der Kontext?: Über die API kostet es 0,06 $ pro Million Eingabetokens und 0,12 $ pro Million Ausgabetokens, mit einem 262.144-Tokens-Kontextfenster und bis zu 32K Ausgabetokens pro Anfrage.
Worin unterscheidet sich Laguna XS 2.1 von Laguna XS.2?: Es verbessert Laguna XS.2 mit einem +5,4 % Zuwachs beim SWE-bench Multilingual und stärkeren Ergebnissen bei Terminal-ähnlichen Aufgaben sowie FP8-KV-Cache-Quantisierung für geringeren Speicherverbrauch.

Captain's Urteil
Ein schlanker, lokal ausführbarer Coding-Agent mit erlaubnisfreier Lizenz und echten Benchmark-Verbesserungen, obwohl Qwen3.6-35B-A3B bei allen veröffentlichten Scores noch vorne liegt.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Qwen2.5 Coder 32B Instruct

KI-Modelle für Bild-, Video- und Texterzeugung

Laguna XS 2.1 ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm poolside logik programmieren agenten langer kontext lokal

Nach Modellfamilie stöbern

Text / LLM-Modelle

434