Laguna S 2.1

Mit einem Gesamtscore von 65,94 % und dem Speed Profile Badge Interactive DevOps Expert gibt sich Laguna S 2.1 als Modell mit technischem Selbstbewusstsein: schnell genug für interaktive Entwicklungsarbeit, sichtbar auf Code und agentische Abläufe geeicht, aber nicht frei von schmerzhaften Aussetzern in Disziplinen, die über das Terminal hinausgehen. Die redaktionelle Einordnung passt: ein generalistisches Server-Modell mit MoE-Architektur, also 117,6 Milliarden Gesamtparametern, von denen pro Token nur 8,5 Milliarden aktiv sind. Genau daran muss man es messen, nicht an der Marketing-Zahl. Der Lauf erfolgte im werksseitigen Standardverhalten des Endpunkts; ein umschaltbarer Thinking-Modus existiert hier nicht. Sovereign Risk: LOW: Poolside ist ein US-amerikanisches Unternehmen. Die Veröffentlichung unter der offenen, von der Linux Foundation getragenen OpenMDW-1.1-Lizenz ermöglicht unabhängige Prüfung, Modifikation und Weitergabe der Gewichte für kommerzielle wie nicht-kommerzielle Zwecke. Bei vollständig lokalem Betrieb entfällt jede Abhängigkeit von US-Cloud-Infrastruktur, sodass das Risiko als gering eingestuft wird.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Charakter

Die vorab vergebene Tag-Kombination ist hier keine Bürokratie, sondern erklärt den Charakter des Modells ziemlich gut. Laguna S 2.1 ist als Open-Weight-Modell mit Coder-, Reasoning- und Agentic-Fokus angelegt, zugleich aber formal als Generalist klassifiziert. Das klingt widersprüchlich, ist es aber nicht: Dieses Modell will mehr sein als ein reiner Codeknecht, zieht seine Schwerpunkte jedoch erkennbar aus Softwarearbeit, Tool-Nutzung und langem Kontext. Das 1.024K-Kontextfenster und die von Poolside beworbene Fähigkeit zu interleaved Thinking mit Tool-Aufrufen deuten auf einen klaren Einsatz in komplexeren Workflow-Ketten. Im Benchmark schlägt sich davon vor allem der Planungswille nieder, weniger die makellose Ausführung.

Wichtig ist die MoE-Kalibrierung. Ein Mixture-of-Experts-Modell aktiviert pro Token nur einen Teil seiner Gewichte. Deshalb sollte man von Laguna S 2.1 keine Frontier-Souveränität erwarten, nur weil die Gesamtgröße mit 117,6 Milliarden Parametern gewaltig aussieht. Relevant ist die aktive Kapazität von 8,5 Milliarden. Dafür liefert es in Teilen respektable Substanz. Wo es strauchelt, strauchelt es oft nicht aus Dummheit, sondern aus mangelnder Disziplin: Instruktionen zur Sprache, zur inhaltlichen Erdung oder zur kulturellen Feinmotorik sitzen nicht fest genug.

Geschwindigkeit und Effizienz

Der Badge Interactive DevOps Expert ist mehr als ein dekorativer Stempel. Er signalisiert ein Modell, das sich für interaktive Entwicklerarbeit eignet: nicht ultraschnell im Sinne eines Echtzeit-Blitzers, aber klar auf produktives Hin und Her zwischen Analyse, Fix-Vorschlag und Tool-Kontext ausgerichtet. Genau so fühlt sich Laguna S 2.1 auch an. Es ist im Alltagstempo eher moderat bis ordentlich als spektakulär, aber grundsätzlich passend für iterative technische Nutzung.

Auf dem lokalen Referenzsystem ASUS GX10 / NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen) zeigt sich: Die Schwäche liegt hier nicht in irgendeinem offensichtlichen Ressourcenmangel, sondern in der Streuung. Der Durchsatz reicht für interaktive Arbeit. Die Ausreißer tun es nicht. Wer das Modell in Agenten-Frameworks oder halbautomatisierten Pipelines nutzt, sollte Retry-Logik und Timeout-Handling nicht als optionalen Komfort betrachten.

Positiv ist die Token-Ökonomie. Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Das Modell verhält sich token-ökonomisch. Selbst dort, wo es viel erklärt, wirkt das nicht wie gedankenloses Aufpumpen, sondern meist wie kontrollierter Aufwand. Auffällig ist nur der Bereich Cultural Intelligence mit einem Overhead von 2,66× gegenüber dem Fleet-Median. Das ist noch im grünen Bereich des Budgets, deutet aber darauf hin, dass Laguna S 2.1 in kulturell-sprachlichen Aufgaben mehr Anlauf nimmt als nötig. Ausgerechnet dort zahlt sich der Mehraufwand dann nicht zuverlässig aus.

Code Quality und Security

Hier liegt eine der glaubwürdigeren Stärken des Modells. Der Code-Quality-Audit-Score von 67,32 ist kein Triumphzug, aber solide für ein MoE mit aktiver Mittelklasse-Kapazität. Laguna S 2.1 erkennt viele klassische Schwachstellen korrekt, liefert Tabellen formatstabil und bleibt sprachlich sauber auf Deutsch. Das ist die gute Nachricht. Die schlechte ist unangenehmer: Es arbeitet wie ein Sicherheitsanalyst, der die Checkliste beherrscht, aber bei der eigentlichen Gefahrenlage zu selten den roten Faden zieht.

Das qualitative Protokoll zu einer Security-Audit-Aufgabe zeigt das sehr klar. Das Modell lieferte eine formal korrekte Markdown-Tabelle mit den geforderten Spalten, identifizierte SQL-Injection, XSS, Path Traversal, schwache Token-Generierung, IDOR und CSRF. Damit ist die Basis da. Aber dann fängt das Schludern an: doppelte Einträge, widersprüchliche Schweregrade beim selben Problem, fehlende Session Fixation, keine sauber ausgeführten Exploit-Ketten. Aus einem Katalog von Einzelmängeln wird so eben kein überzeugendes Security-Gutachten.

Gerade bei Security ist das mehr als ein Schönheitsfehler. Wer nur benennen kann, dass eine Schwachstelle existiert, aber nicht zeigt, wie sie sich mit anderen Mängeln zu einem vollständigen Angriff verbindet, bleibt auf halber Strecke stehen. Das Modell erkennt Symptome besser als Systemrisiken. Es sieht die lockere Schraube, aber nicht immer, an welchem Träger sie hängt.

Für den Alltag heißt das: Laguna S 2.1 taugt gut als First-Pass-Auditor. Es kann Quelltext vorsortieren, Problemzonen markieren und offensichtliche Risiken benennen. Für belastbare Sicherheitsbewertungen, Priorisierung und Exploit-Path-Analyse braucht es Kontrolle durch einen Menschen oder ein stärkeres Spezialmodell. Das ist kein vernichtendes Urteil. Aber ein Security-Modell, das an Verkettungen spart, spart an der falschen Stelle.

CLI, Tooling und agentische Nutzung

Der CLI-Score von 82,66 ist eine der stärkeren Zahlen im Profil und passt zur editorischen Einordnung als agentisches Coder-Modell. Laguna S 2.1 versteht technische Arbeitsaufträge, kann strukturieren und bleibt dabei in der Regel handlungsorientiert. Es ist kein reiner Plauderer, sondern ein Modell, das Befehle, Abläufe und Problemlösungen ernst nimmt.

Genau deshalb fällt die Schwäche im Tool-Use-Bereich umso härter ins Gewicht. Der ToolUse-Score von 33,33 ist nicht bloß ein kleiner Fleck auf einer ansonsten weißen Weste. Er ist ein Warnsignal. In zwei Tool-Aufgaben halluzinierte das Modell Inhalte, die nicht aus dem tatsächlich abgerufenen Tool-Ergebnis stammten. Der P2-Score wurde jeweils durch eine Halluzinationskappe begrenzt. Für content-kritische Aufgaben wie Recherche, Faktenberichte oder agentische Automatisierung mit externer Datenquelle ist das disqualifizierend.

Das Problem ist nicht, dass Laguna S 2.1 fantasievoll wäre. Das Problem ist, dass es an genau der Stelle erfindet, an der ein agentisches Modell dem Nutzer die Welt zurückmelden soll, nicht seine Vermutung über die Welt. Wer Tool-Ausgaben nicht strikt erdet, baut kein Agentensystem, sondern ein Improvisationstheater mit Shell-Prompt.

Das relativiert auch die starke CLI-Leistung. Im Kommandozeilenmodus wirkt das Modell kompetent. Sobald echte Tool-Ergebnisse als verbindliche Quelle zählen, sinkt das Vertrauen spürbar. Für DevOps-nahe Assistenz, Command-Entwürfe und Fehleranalyse ist es brauchbar. Für automatisch publizierende Recherche-Agenten ist es in dieser Form zu locker an der Leine.

Reasoning und Logik

Der Reasoning-Score von 72,28 zeigt ein Modell, das denken kann, aber seine Gedanken nicht immer in die sauberste Antwort übersetzt. Das ist ein vertrautes Bild bei reasoning-orientierten Modellen: intern wird viel gearbeitet, extern kommt nicht immer die eleganteste Lösung an. Bei Laguna S 2.1 ist das keine Randnotiz, sondern Teil seines Charakters.

Das Protokoll zur klassischen Wächter-Aufgabe illustriert das gut. Das Modell nutzte <thought>-Tags korrekt, explorierte mehrere Ansätze und formulierte am Ende eine mathematisch vertretbare, aber nicht-kanonische Variante. Das Problem war nicht blanke Falschheit, sondern Unschärfe. Es argumentierte an einer Stelle zwischen falscher und richtiger Tür hin und her, statt die doppelte Negation mit der Klarheit eines Lehrbuchs abzuräumen. Man hat beim Lesen den Eindruck eines Kandidaten, der den Stoff verstanden hat, aber im Prüfungsmoment den saubersten Satz nicht findet.

Metakognitions-Compliance (Reasoning): Das Modell verweigert in 4/5 metacog-Tests die Nutzung der explizit angeforderten <thought>-Tags mit einer konsistenten Policy-Aussage. Die Reasoning-Inhalte sind dabei inhaltlich teilweise korrekt — der Score-Abzug resultiert aus der Format-Verweigerung, nicht aus Denkfehlern. Zum Vergleich: In den tag-freien reasoning_5*-Tests erzielt das Modell einen Durchschnittsscore von ca. 72 %, was dem Niveau anderer Modelle in dieser Leistungsklasse entspricht. CrucibleMark bewertet bewusst die native Zero-Shot-Instruktions-Compliance als reales Alltagsmerkmal — dieser Abzug ist methodisch gewollt.

Dazu kommt ein strukturelles Sprachproblem. Das Modell ignorierte in vier Reasoning-Metakognitionsaufgaben die explizite Sprachanweisung und antwortete auf Englisch, obwohl Deutsch verlangt war. Das ist kein Ausrutscher, sondern ein Muster: Unter gleichzeitigen Vorgaben aus Denkformat, Tags und Sprache verliert Laguna S 2.1 die Sprachvorgabe als erste Bedingung. Für Teams, die reasoning-lastige interne Workflows in deutscher Ausgabesprache erwarten, ist das ein handfester Produktivmangel.

In den betroffenen Reasoning-Aufgaben wurde ein automatischer Hard-Constraint-Abzug durch Language Mismatch verhängt. Konkret antwortete das Modell in vier metakognitiven Aufgaben auf Englisch statt auf Deutsch. Die inhaltliche Qualität wird dadurch zweitrangig, denn die Strafe greift regelbasiert. In einem realen Assistenzsystem heißt das schlicht: Formal unbrauchbar, selbst wenn der Gedankengang partiell stimmt.

Dokumentation, Content und UX-Schreiben

In den textlastigen Modulen zeigt Laguna S 2.1 ein gemischtes Bild. Documentation Quality landet bei 70,39, Content Transformation bei 77,54, UX Writing bei 65,35. Das ist zusammen genommen kein Desaster. Aber es ist eben auch kein Modell, das man wegen seines sprachlichen Feingefühls bestellt.

Am besten schlägt sich Laguna S 2.1 dort, wo Text funktional bleibt. Im Content-Transformation-Protokoll zu einem deutschsprachigen Video-Skript lieferte es eine brauchbare, produktionstaugliche Fassung mit Timestamps, Regiehinweisen, Easter Egg und CTA. Der Judge attestiert eine gute, nutzbare Arbeit. Die Schwächen liegen auf der strategischen Ebene: der Hook weniger prägnant als im Ideal, der Pattern Interrupt weniger wirkungsvoll, das Easter Egg zu passiv. Anders gesagt: Das Modell kann ein ordentliches Skript bauen, aber nicht immer das, was ein erfahrener Producer noch einmal nachschärfen würde.

Weniger überzeugend wird es, wenn Ton, Kürze und kulturelle Register fein austariert werden müssen. In einer HR-Umschreibaufgabe produzierte das Modell zwar grammatikalisch korrektes Deutsch und entfernte toxische Begriffe zuverlässig. Gleichzeitig missachtete es die Anweisung, nur den umgeschriebenen deutschen Text auszugeben, und fügte englische Erläuterungen hinzu. Das ist kein bloßes Etikettproblem. Wer „nur den finalen Text“ bestellt und erst einmal ein halbes Erklärstück entsorgen muss, bekommt kein fertiges Arbeitsergebnis.

Dieses Längenproblem ist kein isolierter Ausreißer. Über mehrere Aufgaben in den Schreibmodulen zeigt das Modell ein wiederkehrendes Muster: Wenn Sprache, Ton und Format gleichzeitig präzise sitzen sollen, wird die strukturelle Vorgabe zuerst weich. Laguna S 2.1 schreibt oft brauchbar, aber nicht immer gehorsam. Das ist bei Code verzeihlicher als bei Redaktions- oder UX-Aufgaben.

Cultural Intelligence

Hier reißt das Profil sichtbar auf. Der Cultural-Intelligence-Score von 40,4 ist mit Abstand der schwächste größere Baustein im Gesamtbild und erinnert daran, dass ein coder- und agentisch geprägtes Modell noch lange kein feinsinniger Sprachakteur ist. Das ist bei dieser Architektur teilweise erwartbar. Als generisch vermarkteter Generalist bleibt es trotzdem ein ernstes Defizit.

Der qualitative Befund ist eindeutig: In einer deutsch geforderten Aufgabe antwortete das Modell auf Englisch. Das Modell ignorierte die explizite Sprachanweisung und antwortete auf Englisch. In produktiven Umgebungen mit fester Zielsprache ist das keine Marotte, sondern ein unmittelbares Ausfallrisiko. Dazu kommt, dass die gelieferte deutsche Umschreibung im Kern zwar korrekt war, aber stilistisch kühler, bürokratischer und weniger einladend als die Zielvorlage. Kulturelle Intelligenz ist eben nicht nur Grammatik. Es ist auch Gespür. Genau das fehlt hier oft.

In der betroffenen Cultural-Intelligence-Aufgabe wurde ein automatischer Hard-Constraint-Abzug wegen Language Mismatch verhängt. Die Aufgabe verlangte Deutsch, das Modell mischte jedoch englische Erläuterungen ein. Die inhaltliche Korrektur toxischer Formulierungen half ihm am Ende nicht mehr. Die Strafe greift unabhängig davon, ob der eigentliche Rewrite brauchbar war.

Halluzinationen

Laguna S 2.1 hat ein echtes Halluzinationsproblem dort, wo es am meisten schmerzt: in Tool-gebundenen Antworten. In zwei Aufgaben erfand das Modell Inhalte, die nicht aus den abgerufenen Ergebnissen stammten. Das ist keine harmlose Ausschmückung, sondern ein Vertrauensbruch gegenüber der Datenquelle. Gerade für agentische oder recherchierende Szenarien ist das ein harter Einschnitt.

Positiv ist nur die Begrenzung des Problems. Es wirkt in den vorliegenden Daten nicht wie ein allgegenwärtiges Muster quer über alle Schreib- und Reasoning-Module, sondern konzentriert sich auf Tool-Execution. Das macht die Sache operativ besser handhabbar, aber nicht weniger ernst. Man kann solche Modelle mit Verifikationsschichten zähmen. Man sollte nur nicht so tun, als bräuchten sie keine.

Datenschutz und Datenhoheit

Poolside ist ein US-Unternehmen mit Sitz in San Francisco, Kalifornien. Für gehostete Nutzung gilt damit US-Recht einschließlich CLOUD Act. Das bedeutet für Unternehmen in Deutschland und Europa: US-Behörden können unter bestimmten Voraussetzungen Zugriff auf Daten verlangen, auch wenn diese physisch außerhalb der USA liegen. Der in den Karten ausgewiesene Sovereign Risk liegt deshalb bei LOW.

Zum Provider lagen beim Datenstandort keine verifizierten Angaben vor; auch zur Datenspeicherung ist öffentlich nur begrenzt Verlässliches bekannt. Die angegebene Retention steht effektiv auf unbekannt, ein GDPR DPA ist ebenfalls als unknown vermerkt. Für europäische Unternehmen ist das kein automatischer Ausschluss, aber ein klarer Prüfpunkt. Wer Poolside gehostet einsetzen will, sollte Vertragslage, Transfermechanismen und Auftragsverarbeitung vor produktivem Einsatz schwarz auf weiß klären.

Fazit

Laguna S 2.1 ist ein interessantes, in Teilen beeindruckendes Open-Weight-Modell mit klar erkennbarem technischen Temperament. Seit Juli 2026 ist es Poolsides drittes offenes Coding-Modell in Folge, mit 117,6 Milliarden Gesamtparametern, 8,5 Milliarden aktiven Parametern, 1.024.000 Tokens Kontextfenster, OpenMDW-1.1-Lizenz und Trainings-Cutoff 2025-11. Das ist auf dem Papier ein starkes Paket. Im Benchmark bleibt davon ein Modell übrig, das gut planen, ordentlich coden und brauchbar strukturieren kann, aber bei Sprachdisziplin, kultureller Feinheit und toolgebundener Faktentreue zu viele Scharten zeigt.

Für Code-Reviews, Security-First-Pass, CLI-Hilfe, technische Dokument-Skizzen und agentische Entwicklerassistenz unter Aufsicht ist Laguna S 2.1 sinnvoll einsetzbar. Für deutschsprachige High-Stakes-Kommunikation, kulturell sensible Texte oder autonome Tool-Agenten mit Publikationsverantwortung ist es in dieser Form nicht reif genug. Das Modell wirkt wie ein erfahrener Backend-Entwickler, der plötzlich auch noch PR, Compliance und Nutzerkommunikation übernehmen soll. Er macht das nicht peinlich schlecht. Aber man merkt sehr schnell, dass das nicht sein Lieblingsraum ist.

Für ein rein lokal betriebenes Open-Weights-Modell ist die Weights-Provenienz erfreulich unproblematisch: LOW. Die offenen Gewichte unter OpenMDW-1.1 erlauben kommerzielle Nutzung, Modifikation und Weitergabe, und bei lokalem Betrieb entfällt die Abhängigkeit von externer Cloud-Infrastruktur. Das ist ein echter Pluspunkt. Er macht aus Laguna S 2.1 aber noch kein Modell, dem man blind glauben sollte. Dafür halluziniert es im falschen Moment zu selbstbewusst.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.