LinkPoolsideTool
Für Entwickler-Teams bietet Laguna-S-2.1 ein offenes, lokales MoE-Modell mit 1-Million-Token-Kontext, das trotz 118B Parametern durch nur 8B aktive Parameter relativ effizient betrieben werden kann. Durch die native Unterstützung von agentischem Werkzeugeinsatz und Reasoning stellt es eine Alternative zu geschlossenen Coding-Modellen dar.
Poolside positioniert Laguna-S-2.1 architektonisch zwischen kleineren und sehr großen Varianten der Serie. Benchmark-Werte wie 78,5 % auf SWE-bench Multilingual und 70,2 % auf Terminal-Bench 2.1 zeigen eine Fokussierung auf Code-Verständnis und Tool-Nutzung. Das Modell setzt im Vollbetrieb (BF16, ca. 236 GB) Multi-GPU-Setups voraus, bietet jedoch dank quantisierter Varianten (z. B. via llama.cpp und Ollama) sowie nativer vLLM- und SGLang-Integrationen praxistaugliche Einstiegspfade.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Poolside
Poolside veröffentlicht agentenbasierte Programmiermodelle mit offenen Gewichten. Neben Laguna xs 2.1 für den lokalen Betrieb steht das größere Laguna s 2.1 über Entwickler-Tools, CLI, OpenRouter und Vercel AI Gateway zur Verfügung.
Link:Kwaipilot
Kwaipilot hat mit KAT-Coder-V2.5-Dev ein quelloffenes Mixture-of-Experts-Sprachmodell veröffentlicht. Das auf Qwen3.6-35B-A3B basierende Modell verfügt über 35 Milliarden Gesamt- und 3 Milliarden aktive Parameter und wurde gezielt für den Einsatz in Coding-Agenten trainiert.
Link:ornith-ai
ornith-ai hat das multimodale Mixture-of-Experts-Modell Ornith-1.5-397B unter MIT-Lizenz veröffentlicht. Das 397 Milliarden Parameter schwere Modell setzt auf kontinuierliche Selbstverbesserung und erzielt in Programmier- und Reasoning-Benchmarks Ergebnisse auf dem Niveau führender proprietärer Modelle.
Link:Z.ai
Z.ai hat GLM-5.3-Flash vorgestellt, das über Ollama Cloud verfügbar ist. Das Modell besitzt insgesamt 320B Parameter bei nur 18B aktiven Parametern und liefert hohe Leistung bei Programmier- sowie Agenten-Aufgaben zu deutlich geringeren Kosten.
Link:Z.ai
Z.ai hat das Flaggschiff-Modell GLM-5.2 auf Hugging Face unter der freien MIT-Lizenz bereitgestellt. Das Modell zielt auf komplexe Coding- und Agentic-Workflows ab und bietet ein stabiles Kontextfenster von einer Million Tokens. Durch Architekturverbesserungen wie IndexShare und einen optimierten MTP-Layer wurden Rechenaufwand gesenkt und Inferenzzeiten verkürzt.
Link:Z.ai
Z.ai hat auf Hugging Face das Modell GLM-5.1 unter MIT-Lizenz bereitgestellt. Das MoE-Modell mit 754 Milliarden Parametern zielt auf anspruchsvolle Programmier- und Agenten-Workflows ab und soll über lange Sessions hinweg stabil arbeiten.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
