¿Puedo ejecutar Laguna XS 2.1 localmente?

Sí, los pesos son abiertos bajo la licencia OpenMDW-1.1 y el modelo está disponible en Ollama y llama.cpp. Poolside dice que un Mac con 36 GB de RAM es suficiente.

¿Cuánto cuesta Laguna XS 2.1 y qué tamaño de contexto tiene?

Por API cuesta $0.06 por millón de tokens de entrada y $0.12 por millón de tokens de salida, con una ventana de contexto de 262,144 tokens y hasta 32K tokens de salida por solicitud.

¿En qué se diferencia Laguna XS 2.1 de Laguna XS.2?

Mejora a Laguna XS.2 con un aumento del +5.4% en SWE-bench Multilingual y mejores puntajes en tareas estilo terminal, junto con cuantización FP8 en cache KV para menor uso de memoria.

Laguna XS 2.1

2460°

#llm #poolside #razonamiento #programación #agentes #contexto largo

Ejecutar este modelo

Ofertas / Anuncios

OpenRouter Terminal / API

Pago por token

Chatea con este modelo en el navegador o llámalo desde tu código con una clave API.

Poolside | contexto de 262,144 tokens | $0.06/M entrada, $0.12/M salida. Laguna XS 2.1 es el último modelo agente de codificación en la categoría 33B-A3B de PoolsideOpens in new tab y un avance respecto a su modelo Laguna XS.2 (lanzado en abril de 2026). Combina llamadas a herramientas y capacidades de razonamiento con una huella compacta, ofreciendo una ventana de contexto de 256K y hasta 32K tokens de salida. Cuantificado a FP8 para flujos de trabajo agenteicos de codificación rápidos y rentables. Laguna XS 2.1 está diseñado para ingeniería de software y casos de uso agenteicos de…Poolside | contexto de 262,144 tokens | $0.06/M entrada, $0.12/M salida. Laguna XS 2.1 es el último modelo agente de codificación en la categoría 33B-A3B de PoolsideOpens in new tab y un avance respecto a su modelo Laguna XS.2 (lanzado en abril de 2026). Combina llamadas a herramientas y capacidades de razonamiento con una huella compacta, ofreciendo una ventana de contexto de 256K y hasta 32K tokens de salida. Cuantificado a FP8 para flujos de trabajo agenteicos de codificación rápidos y rentables. Laguna XS 2.1 está diseñado para ingeniería de software y casos de uso agenteicos de codificación, y eres responsable de confirmar que es apropiado para tu aplicación prevista. Laguna XS 2.1 está sujeto a la Licencia OpenMDW-1.1Opens in new tab, y debe usarse conforme a la Política de Uso Aceptable de PoolsideOpens in new tab. Desaconsejamos eludir las salvaguardas de seguridad de Laguna XS 2.1 sin implementar mitigaciones sustancialmente equivalentes apropiadas para tu caso. Reporta vulnerabilidades de seguridad o preocupaciones a [email protected]. Si usas Laguna XS 2.1 gratis, podemos usar tus entradas y salidas para entrenar y mejorar nuestros modelos.

Guías para este modelo

Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una

Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea

¿Cuánta VRAM necesito realmente para IA local?

¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)

Todas las guías

Notas del capitán

Escrito por Captain, el editor de la casa

Notas del 2026-10-13

Laguna XS 2.1 es un agente de codificación Mixture-of-Experts de 33B de Poolside, con solo 3B parámetros activados por token, lo que lo hace realmente ejecutable en un Mac de 36 GB. Combina razonamiento nativo con llamadas a herramientas en una ventana de contexto de 256K, y sus pesos abiertos se distribuyen bajo una licencia comercial totalmente permisiva. Si tu trabajo es codificación agente o tareas de ingeniería de software a largo plazo, esto está hecho para eso.

Conocido por

Codificación agente con razonamiento intercalado entre llamadas a herramientas
Ejecutable localmente en un Mac de 36 GB vía Ollama o llama.cpp
Ventana de contexto de 256K con hasta 32K tokens de salida
Licencia OpenMDW-1.1 totalmente permisiva, uso comercial incluido
Cache KV cuantizado en FP8 mantiene bajos los costos de memoria e inferencia

Cuidado con

El uso en plan gratuito permite a Poolside entrenar con tus entradas y salidas.
Los puntajes de benchmark quedan por detrás de Qwen3.6-35B-A3B en todas las métricas de codificación publicadas a pesar de tamaño similar.
Diseñado para ingeniería de software; la idoneidad para otros casos de uso depende de tu confirmación.

Mejor para

Programación

Agentes y uso de herramientas

Razonamiento

Contexto largo

Funciona localmente

Prompts para probar

Depurar un conjunto de pruebas fallido

Tengo una API Python Flask. El conjunto de pruebas pasa localmente pero falla en CI con este error: AssertionError: 401 != 200 en el endpoint /api/orders. El endpoint requiere un token Bearer. Aquí está el archivo de prueba y el manejador de ruta. Identifica la causa raíz y reescribe la prueba para que pase correctamente en ambos entornos.

Refactorizar para agentes asíncronos

Refactoriza este script Python síncrono que llama a tres APIs externas en secuencia a una versión asíncrona usando asyncio y aiohttp. Las tres llamadas son independientes entre sí. Conserva todo el manejo de errores, añade un timeout de 10 segundos por solicitud y explica cada cambio que hagas.

Planificar una migración de código en varios pasos

Necesito migrar una app Node.js Express de sintaxis CommonJS require() a sintaxis ES module import/export. El proyecto tiene 40 archivos, usa Jest para pruebas y tiene algunas llamadas require() dinámicas. Dame un plan de migración paso a paso, marca los casos dinámicos por separado y escribe el package.json y la configuración de Jest actualizados.

Comparar con

Laguna S 2.1
Modelo con pesos abiertos
Contexto de 1,048,576 tokens · $0.09/M entrada, $0.18/M salida
GPT-6 Luna
Modelo solo API
Contexto de 1,050,000 tokens · $0.10/M entrada, $0.50/M salida
Claude Opus 5.5
Modelo solo API
Contexto de 1,000,000 tokens · $4.00/M entrada, $20.00/M salida
Muse Spark 1.3 Contributor
Modelo solo API
Contexto de 1,048,576 tokens · $0.10/M entrada, $0.20/M salida

Más modelos de texto de poolside

Preguntas frecuentes

¿Puedo ejecutar Laguna XS 2.1 localmente?: Sí, los pesos son abiertos bajo la licencia OpenMDW-1.1 y el modelo está disponible en Ollama y llama.cpp. Poolside dice que un Mac con 36 GB de RAM es suficiente.
¿Cuánto cuesta Laguna XS 2.1 y qué tamaño de contexto tiene?: Por API cuesta $0.06 por millón de tokens de entrada y $0.12 por millón de tokens de salida, con una ventana de contexto de 262,144 tokens y hasta 32K tokens de salida por solicitud.
¿En qué se diferencia Laguna XS 2.1 de Laguna XS.2?: Mejora a Laguna XS.2 con un aumento del +5.4% en SWE-bench Multilingual y mejores puntajes en tareas estilo terminal, junto con cuantización FP8 en cache KV para menor uso de memoria.

Veredicto del capitán
Un agente de codificación ligero, ejecutable localmente, con licencia permisiva y ganancias reales en benchmarks, aunque Qwen3.6-35B-A3B aún lo supera en todas las métricas publicadas.

Ficha del modelo en Hugging Face

El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.

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

Cómo se suma esta puntuación

Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.

Glosario: los términos usados aquí

Puntuación heat: Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso: Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas: Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica: Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes: Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción: Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado: Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder: Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde: Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación: Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter: Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding: Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos: La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad: Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia: Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional: Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia): Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia: Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico: El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.

Modelos similares

Modelos de IA para generar imagen, vídeo y texto

Laguna XS 2.1 es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.

Más modelos Text / LLM Más Texto / LLM de Text / LLM llm poolside razonamiento programación agentes contexto largo local

Explorar por familia de modelos