Laguna XS 2.1: LLM local para programación con 256K contexto y licencia abierta

El 2 de julio de 2026, Poolside AI publicó Laguna XS 2.1 en Hugging Face y en la biblioteca de modelos de Ollama. La noticia circuló rápidamente en X: TeksEdge destacó que "Laguna XS 2.1 is a small [powerful] coding model" de Poolside, con soporte GGUF y Ollama disponible desde el primer momento. Para equipos que operan IA local, la publicación combina mejoras de rendimiento concretas, una licencia más permisiva y opciones de cuantización que caben en hardware de oficina habitual.

Qué es Laguna XS 2.1

Laguna XS 2.1 es un modelo de codificación Mixture-of-Experts (MoE) desarrollado por Poolside AI, una empresa especializada en IA para ingeniería de software. Según la documentación de publicación de Poolside AI, el modelo incluye:

• 33 000 millones de parámetros totales, 3 000 millones activados por paso de inferencia
• Ventana de contexto de 256 000 tokens (hasta 32 000 tokens de salida)
• Licencia OpenMDW-1.1, que permite el uso comercial

La arquitectura MoE es lo que hace práctica la inferencia local para equipos sin clúster de GPUs. Un modelo denso de 33B en precisión BF16 requeriría aproximadamente 66 GB de ancho de banda de memoria. Como Laguna XS 2.1 activa solo 3B parámetros por paso, el rendimiento de inferencia se asemeja al de un modelo compacto de 3B, mientras la calidad se apoya en los 33B completos. Según Poolside AI, el modelo funciona en un Mac con 36 GB de memoria unificada, lo que cubre Mac Studio M4 Max, MacBook Pro M4 Max y configuraciones equivalentes.

Novedades respecto a Laguna XS.2

Poolside lanzó Laguna XS.2 a finales de abril de 2026, donde obtuvo un 68,2 % en SWE-bench Verified, una métrica que mide la capacidad de un modelo de resolver incidencias reales de GitHub. Laguna XS 2.1 se centra en SWE-bench Multilingual y mejora esa puntuación en 5,4 puntos hasta el 63,1 %, según datos publicados por Poolside AI.

Los benchmarks de codificación multilingüe evalúan la corrección en Python, JavaScript, TypeScript, Go, Rust y otros lenguajes habituales en pymes europeas. Una mejora de 5,4 puntos en multilingüe implica menor probabilidad de generar código sintácticamente válido que falla silenciosamente en entornos distintos de Python, algo relevante si el equipo mantiene varias pilas tecnológicas.

También evolucionó la licencia: XS.2 se publicó bajo Apache 2.0; XS 2.1 llega bajo OpenMDW-1.1, un marco de licencia de modelos abiertos descrito por Poolside como mejor adaptado a casos de uso empresariales, con carácter igualmente permisivo.

Opciones de despliegue

Ollama (desarrollador individual o equipo pequeño)

Ollama incorporó Laguna XS 2.1 desde el lanzamiento. El modelo está disponible en ollama.com/library/laguna-xs-2.1. Desde la terminal:

ollama pull laguna-xs-2.1
ollama run laguna-xs-2.1

Ollama selecciona automáticamente la cuantización Q4KM, que requiere aproximadamente 20-24 GB de memoria. Esto cabe en un Mac de 36 GB con margen para el sistema operativo y encaja en los 24 GB de VRAM de una NVIDIA RTX 3090.

vLLM y SGLang (servidor de equipo en producción)

Para despliegues donde varios desarrolladores consultan el modelo de forma simultánea, vLLM y SGLang ofrecen continuous batching que Ollama no proporciona. Ambos están listados como frameworks compatibles por Poolside. Un único Mac Studio o una estación de trabajo Linux con RTX 3090 ejecutando vLLM puede atender a un equipo de 5-20 desarrolladores con latencia aceptable en tareas de codificación.

GGUF (máxima flexibilidad de hardware)

Para estaciones Windows y Apple Silicon más antiguas, Poolside publicó checkpoints GGUF en poolside/Laguna-XS-2.1-GGUF, incluyendo variantes BF16 y Q4KM. Estos se cargan en LM Studio, Jan o llama.cpp sin configuración adicional.

El especulador DFlash

Junto al modelo base, Poolside publicó DFlash: un modelo borrador pequeño diseñado para la decodificación especulativa con Laguna XS 2.1. En la decodificación especulativa, el modelo borrador propone una secuencia de tokens; el modelo grande los verifica todos en un único paso de inferencia. Cuando el borrador acierta, el rendimiento aumenta significativamente. Según la documentación de Poolside AI, DFlash aproximadamente duplica la tasa de tokens por segundo con Laguna XS 2.1, una mejora notable para asistencia de codificación en tiempo real.

Privacidad y RGPD

Los asistentes de codificación que enrutan solicitudes a través de APIs en la nube envían código a servidores de terceros. Dependiendo del contenido del repositorio, esto puede incluir algoritmos propietarios, credenciales de API internas en archivos de configuración, o lógica que procesa datos de clientes. Si eso constituye datos personales bajo el RGPD depende del caso concreto, pero el perfil de riesgo cambia de forma fundamental cuando la inferencia ocurre en la propia infraestructura: ninguna solicitud sale de la red, ningún token de entrada llega a Poolside ni a ningún proveedor en la nube.

Esto es especialmente relevante para pymes españolas en sectores regulados ,sanidad, consultoría jurídica, servicios financieros, donde la residencia de datos no es opcional. Un despliegue local de Laguna XS 2.1 cumple los requisitos de residencia de datos por diseño.

Ley de IA y transparencia

Las obligaciones de transparencia de la Ley de IA de la UE para sistemas de IA de uso general son más fáciles de demostrar con modelos de pesos abiertos que con APIs de caja negra en la nube. Con Laguna XS 2.1 puede documentar exactamente qué versión del modelo está en ejecución, bajo qué licencia y en qué hardware. Según nuestra interpretación del Art. 50 de la Ley de IA, los modelos de pesos abiertos autoalojados se sitúan en una posición de cumplimiento más sólida para pymes que los servicios en nube opacos, siempre que se mantengan registros de versión y logs de uso.

Casos de uso prácticos para equipos de 10 a 100 personas

• Autocompletado de código en el IDE mediante un endpoint local compatible con OpenAI (VS Code, JetBrains, Neovim)
• Revisión de código automatizada como paso de pipeline CI: enviar diffs de pull request al modelo local y recibir comentarios estructurados
• Generación de documentación técnica a partir de código fuente existente, aprovechando los 256K de contexto para procesar un módulo completo en un solo paso
• Consultas SQL en lenguaje natural para analítica interna, con el esquema de base de datos completo en contexto
• Borradores de scripts de migración al cambiar entre versiones de frameworks o sistemas de base de datos
• Base de conocimiento interna de ingeniería reforzada con recuperación aumentada (RAG) sobre documentación propia

Guía de hardware

Para pymes españolas, una implantación de Laguna XS 2.1 puede ser elegible dentro del programa Kit Digital, en las categorías de gestión de procesos o comercio electrónico con componentes de IA. La naturaleza de pesos abiertos del modelo y la licencia documentada simplifican la justificación técnica ante los gestores de la subvención.

Primeros pasos

El camino más rápido hacia un asistente de codificación local en funcionamiento:

1. Instalar Ollama desde ollama.com
2. Ejecutar ollama pull laguna-xs-2.1 (descarga de aproximadamente 20 GB)
3. Configurar el plugin de IA del IDE apuntando a http://localhost:11434/v1
4. Probar con una tarea real de su propio repositorio

Si quiere analizar cómo Laguna XS 2.1 encaja en el flujo de trabajo de desarrollo de su equipo, o qué configuración de hardware y servidor tiene más sentido para su tamaño de plantilla, inicie una conversación con Freshlab. Ayudamos a pymes europeas a diseñar e implementar infraestructura de IA local que cumple el RGPD y escala sin dependencia de proveedor.