Laguna S2.1: il modello americano open-weight

Ogni volta che questa serie apre le porte a un nuovo modello, il disclaimer resta lo stesso: non è un benchmark scientifico, è il resoconto di un utente esigente che porta un modello open-weight sul proprio PC di casa e lo mette alla prova con gli stessi compiti riservati ai concorrenti passati di qui. Questa volta, però, la provenienza del modello cambia il peso della domanda.

Da mesi, chi segue l'ecosistema dei modelli aperti si è abituato a un elenco che suona sempre uguale, Alibaba con Qwen, DeepSeek, Moonshot con Kimi, Zhipu con GLM. Il centro di gravità dell'open-weight, quello dei pesi scaricabili, ispezionabili, eseguibili senza chiedere permesso a nessuno, si è spostato quasi interamente verso i laboratori cinesi. Poolside, azienda di San Francisco già nota per servire clienti enterprise e governativi, ha deciso di rimettere in gioco un nome americano con Laguna S 2.1, un modello da 118 miliardi di parametri totali e 8 miliardi attivi per token pensato per il coding agentico e per il lavoro su orizzonti lunghi, rilasciato il 21 luglio 2026 sotto licenza OpenMDW-1.1.

Il tono con cui Poolside ha accompagnato il lancio non è quello sommesso di un aggiornamento tecnico. Il co-CEO Jason Warner ha inquadrato l'uscita come la risposta a un vuoto che l'Occidente si è costruito da solo, mentre i fornitori statunitensi più capaci chiudono i loro sistemi migliori dietro API a pagamento e barriere regolatorie, l'azienda sostiene di offrire un'opzione open-weight production-ready pensata per chi ha bisogno di controllo sui dati, costi prevedibili e possibilità di autohosting. Sul blog ufficiale di Poolside si legge esplicitamente che la questione di chi fornisca i modelli aperti dell'Occidente è passata dai circoli di ricerca alle sale riunioni delle aziende, fino a Washington. È una cornice industriale e politica insieme, chi controlla i pesi, chi può eseguirli su hardware proprio, chi può davvero ispezionarli riga per riga.

Il mio setup, la stessa metodologia

La configurazione hardware resta quella già raccontata nelle puntate precedenti di questa serie, un Ryzen 7700, 32 GB di RAM DDR5 e una Radeon RX 9060 XT con 16 GB di VRAM, la stessa macchina con cui ho già messo alla prova Qwen 3.5, Qwen 3.6, la famiglia Gemma 4 e Ornith-1.0. Chi vuole i dettagli su framework e criteri di scelta trova tutto nella prima puntata e nella seconda, qui mi limito a confermare che il principio guida resta invariato, scegliere il taglio di modello che può davvero stare sulla macchina e mostrare il suo valore nell'uso quotidiano, non quello più impressionante sulla carta.

Il fratello maggiore: Laguna S 2.1

Prima di scendere nella taglia che ho effettivamente testato, vale la pena capire dove si colloca nella famiglia. Laguna S 2.1 ha 48 layer, una finestra di contesto dichiarata fino a un milione di token, e condivide con il resto della famiglia l'architettura di base, un router token-choice con gating softplus su 256 esperti più uno condiviso, grouped-query attention e layer di attenzione globale alternati a layer con sliding window. Sui benchmark dichiarati da Poolside, Terminal-Bench 2.1 segna 70,2%, SWE-bench Multilingual 78,5%, DeepSWE 40,4%, numeri che secondo MarkTechPost lo collocano al vertice tra i modelli aperti di dimensione dichiarata, comunque dietro ai sistemi chiusi di frontiera come GPT-5.6 Sol o Claude Fable 5, che su Terminal-Bench 2.1 restano sopra l'88%. La famiglia Laguna copre insomma un range che va dal 33B della taglia XS, pensata per girare in locale, fino al 118B della S e oltre, con una coerenza architetturale che rende i modelli comparabili tra loro. Immagine tratta dal sito ufficiale

Il modello del test: Laguna XS 2.1

Laguna XS 2.1 è la taglia compatta della famiglia, 33 miliardi di parametri totali con soli 3 miliardi attivati per ogni token, distribuiti su 40 layer complessivi in rapporto 3 a 1 tra sliding window attention, finestra di 512 token, e attenzione globale. Il gating è sigmoid con scale rotazionali per layer, gli esperti sono 256 più uno condiviso sempre attivo, e la cache KV è quantizzata in FP8 per ridurre il consumo di memoria per token. Il contesto dichiarato arriva a 262.144 token, il modello è testuale puro, nessuna modalità visiva, e supporta il ragionamento nativo con thinking interleaved tra le chiamate agli strumenti, attivabile o disattivabile per singola richiesta.

Sui benchmark ufficiali, riportati sulla scheda modello di HuggingFace, Laguna XS 2.1 segna 63,1% su SWE-bench Multilingual, un salto di 5,4 punti percentuali rispetto alla generazione precedente XS.2, e Poolside dichiara inoltre un miglioramento sensibile sui compiti in stile terminale. Va detto con chiarezza, per onestà verso il lettore, che alcune fonti secondarie circolate online riportano per questo modello cifre diverse, compresi riferimenti a un'architettura derivata da Qwen2.5, informazione che le fonti primarie di Poolside e HuggingFace smentiscono esplicitamente, descrivendo Laguna come una famiglia con ricetta architetturale propria. Ho scelto di attenermi ai dati verificabili sulle pagine ufficiali, non alle cifre non confermate che circolano altrove.

Il modello è distribuito in BF16, FP8, INT4 e NVFP4, con supporto dichiarato per vLLM, SGLang, NVIDIA TensorRT-LLM, HuggingFace Transformers e Ollama, mentre il supporto nativo a llama.cpp, e quindi ai GGUF che servono per LM Studio, è arrivato solo in un secondo momento tramite una pull request dedicata sul repository ufficiale, come si legge sulla pagina GGUF di Poolside. A completare il pacchetto, Poolside ha rilasciato anche modelli DFlash, piccoli speculator che, in fase di inferenza locale, raddoppiano nei test dell'azienda i token al secondo effettivamente ottenuti.

OpenMDW-1.1, cosa significa davvero "aperto"

Laguna XS 2.1 è distribuito sotto licenza OpenMDW-1.1, la sigla sta per Open Model Data Weights, un formato di licenza sostenuto da NVIDIA e Linux Foundation che Poolside adotta esplicitamente per ridurre l'attrito legale nella distribuzione di modelli aperti, come spiegato sulla pagina ufficiale della licenza. È una distinzione che vale la pena fare con precisione, perché nel linguaggio giornalistico "open source" e "open-weight" finiscono spesso confusi. Qui non c'è pubblicazione del codice di addestramento né del dataset, quello che è pubblico e liberamente scaricabile sono i pesi del modello, utilizzabili, modificabili e ridistribuibili anche in contesti commerciali senza restrizioni particolari. È lo stesso principio già visto con licenze come Apache 2.0 o MIT per altri modelli di questa serie, applicato però a un formato pensato specificamente per gli artefatti dei modelli linguistici.

La mia scelta: GGUF Q6 su 16 GB di VRAM

La versione originale in BF16 di Laguna XS 2.1 pesa 66,9 GB, un numero che esclude a priori qualunque ipotesi di esecuzione diretta sulla mia macchina. La tabella dei file GGUF pubblicata da Poolside indica Q4KM come quantizzazione consigliata di default per l'uso locale, circa 20,3 GB, un compromesso pensato per restare accessibile anche su configurazioni modeste, Mac inclusi con 36 GB di RAM unificata. Per questo test ho scelto comunque una quantizzazione più alta, Q6_K, un gradino sopra il default raccomandato, per restare più vicino alla qualità del modello originale sfruttando i 16 GB di VRAM disponibili sulla Radeon. È una decisione mia, non un preset indicato da Poolside, la tabella ufficiale non elenca il Q6 tra le opzioni consigliate in prima battuta, ma tra le compatibili sì, ed è quella che ho utilizzato in LM Studio, lo stesso framework di tutta la serie. Immagine tratta dal sito ufficiale

Otto test, un verdetto a metà

Laguna XS 2.1 è il tentativo di Poolside di riportare l'open-weight americano al centro del dibattito, non con un modello generalista, ma con un sistema compatto, locale, dichiaratamente specializzato sul coding agentico. Gli otto test che seguono verificano sul campo quanto quella specializzazione dichiarata regga il confronto con l'uso reale, coding, ragionamento, contesto lungo, qualità della conversazione su più turni.

Configurazione LM Studio: contesto impostato a 150.784 token, offload GPU su 20 dei 32 layer, pool di 8 thread CPU, batch di valutazione 2048, batch size 512, massimo 4 predizioni concorrenti, 8 esperti attivi per token.

Test 1, ragionamento scientifico sul meccanismo di Higgs, voto 5/5, 15,26 token al secondo. La spiegazione si sviluppa in sei sezioni logiche, dalla simmetria iniziale al campo di Higgs con il potenziale a "cappello messicano", fino al mixing tra i campi W3 e B e alla definizione dell'angolo di Weinberg, entrambi trattati con precisione. L'unica imprecisione riguarda la motivazione sull'assenza di massa del fotone, un dettaglio che non compromette la sostanza di una spiegazione notevole per un modello dichiaratamente specializzato in coding.

Test 2, lettura multimodale di una tabella Excel, non eseguito. Laguna XS 2.1 è un modello puramente testuale, il caricamento dell'immagine in LM Studio non viene riconosciuto, una limitazione strutturale coerente con quanto dichiarato da Poolside, non un difetto di configurazione.

Test 3, generazione di codice per il ciclo massimo in un grafo, voto 3,8/5, 11,60 token al secondo, con 13 minuti e 22 secondi di thinking. Qui il modello ha deluso. La catena di ragionamento mostra una comprensione teorica solida, la natura NP-hard del problema viene riconosciuta, così come la necessità di gestire i back-edge e di tracciare gli antenati nel percorso per evitare conteggi duplicati. Dopo tredici minuti, però, l'algoritmo prodotto risolve un problema diverso da quello posto, trova cicli in un albero DFS invece del ciclo di lunghezza massima. Un tempo di thinking di questa durata è di per sé un'anomalia poco compatibile con un uso interattivo, ancora di più quando la risposta finale non centra il problema.

Test 4, pianificazione di viaggio multilingua, voto 3,5/5, 14,98 token al secondo. Il prompt richiedeva una risposta in francese per un cliente francese, e qui è emersa una dissociazione curiosa, la catena di pensiero pianifica correttamente in francese, la risposta finale però arriva in italiano al primo tentativo. Solo dopo un sollecito esplicito il modello corregge la lingua, producendo un francese di buona qualità con riferimenti realistici a Kinkaku-ji, Fushimi Inari e ai mercati di Tsukiji e Nishiki. Il contenuto, una volta corretta la lingua, è solido, il comportamento del primo tentativo resta però un campanello d'allarme sull'affidabilità in contesti multilingue.

Test 5, contesto lungo su un PDF di 460 pagine, voto 5/5, 13,88 token al secondo. Il compito era caricare l'Artificial Intelligence Index Report 2025 di Stanford HAI, circa 460 pagine, e chiedere al modello i dati sulla crescita della generazione video, con indicazione della pagina in cui si trovano. Nonostante un contesto impostato a 150.784 token, il modello ha risposto al primo tentativo indicando le pagine 126 e 127, lo stesso range individuato dai modelli migliori testati finora in questa serie, citando Google Veo, Meta Movie Gen e OpenAI Sora, l'esempio dello spaghetti eating test, e persino la Figura 2.3.11 che confronta le preferenze degli utenti tra Veo 2, Movie Gen, Kling v1.5 e Sora Turbo, un livello di dettaglio superiore alla media.

Test 6, ragionamento spaziale su una stanza in disordine, non eseguito. Stessa limitazione del Test 2, assenza di supporto multimodale.

Test 7, pianificazione agentica di una web app, voto 4,8/5, 15,34 token al secondo. Lo stack proposto, React con Vite, Node.js con Express, PostgreSQL con Prisma, JWT, SendGrid, Puppeteer, è moderno e coerente, la roadmap in quattro sprint è ben bilanciata tra setup, dashboard, generazione PDF e testing, con deliverable e criticità indicati per ciascuno. Gli esempi di codice per il modello Prisma e per l'endpoint di importazione CSV mostrano conoscenza pratica reale, l'unica mancanza è l'assenza di una suddivisione esplicita del lavoro tra i due sviluppatori richiesta dal prompt.

Test 8, conversazione tecnica su quattro turni, voto 5/5, velocità media in calo fisiologico da 15,54 a 11,45 token al secondo. Laguna ha mantenuto coerenza costruendo un quadro architetturale progressivo, dallo stack iniziale al confronto tra WebSocket e polling per mille utenti simultanei con esempi di codice, fino a uno schema PostgreSQL completo con indici e query, per chiudere con una strategia di scalabilità a diecimila utenti che tocca clustering Node.js, sharding Redis, load balancing e monitoraggio.

Conclusioni

Il voto medio sui sei test eseguiti si ferma a 4,52 su 5, un risultato rispettabile che racconta però un modello a due velocità. Dove serve costruire, spiegare, pianificare, mantenere coerenza su più turni, Laguna XS 2.1 si comporta come un collega solido, a tratti sorprendente sul contesto lungo. Dove il compito è quello per cui il modello viene venduto, il coding puro su un problema algoritmico di media difficoltà, la prestazione non ha retto, con un tempo di elaborazione di tredici minuti che resta comunque il dato più difficile da giustificare per chiunque debba usarlo in produzione.

Nel confronto con gli altri protagonisti di questa serie, Qwen 3.5, la famiglia Gemma 4, Qwen 3.6 e soprattutto Ornith-1.0, che in questa stessa serie aveva chiuso con otto su otto, Laguna XS 2.1 non riesce a imporsi come il punto di riferimento della sua classe dimensionale, restando comunque un modello da tenere d'occhio proprio per la sua provenienza. Resta aperta la domanda più interessante di tutte, se il gap che ancora separa gli sforzi occidentali dai laboratori cinesi sull'open-weight sia una questione di tempo, con Poolside che promette cicli di rilascio sempre più rapidi grazie al suo "Model Factory", o se rifletta invece un divario più strutturale nella quantità di dati e risorse che le aziende cinesi possono destinare a questi progetti senza il vincolo di un modello di business enterprise da sostenere in parallelo.

Chi dovrebbe guardare a Laguna XS 2.1 oggi, con quale hardware, per quali scenari d'uso specifici, è una domanda a cui vale la pena rispondere solo dopo aver visto come si comporta la prossima iterazione, considerato che la generazione precedente, XS.2, è arrivata sul mercato solo poche settimane prima di questa. Sul thinking time anomalo osservato nel Test 3, resta da capire se sia un limite del modello in sé o un effetto collaterale della quantizzazione Q6 scelta per questa prova, una domanda che merita una verifica dedicata prima di trarre conclusioni definitive. E poi c'è la questione più ampia, quella geopolitica da cui siamo partiti, un modello americano capace di competere sul terreno del coding locale è una notizia che conta, ma basta un solo rilascio a colmare un vuoto che si è formato in anni di strategie divergenti tra Occidente e Cina sull'intelligenza artificiale aperta?