Aktualisiert am 9. Oktober 2026: Hier geht es um die ursprüngliche Laguna XS.2 mit Apache-2.0-Lizenz. Poolside hat am 2. Juli 2026 Laguna XS 2.1 als neue eigenständige Modellrevision veröffentlicht – ebenfalls 33B Gesamt- und 3B aktive Parameter, aber mit OpenMDW-1.1-Lizenz. Die Namen laguna-xs.2 und laguna-xs-2.1 sind nicht austauschbar. Für XS 2.1 weist die aktuelle Ollama-Modellbeschreibung separat auf einen macOS/Metal-Chat-Bug hin. Poolside-Release · Ollama XS 2.1.
Welches Laguna-Modell ist für einen Mac im Oktober sinnvoll?
Laguna XS.2 ist nicht veraltet im Sinn von unbrauchbar, aber das Unternehmen nennt Laguna XS 2.1 den Nachfolger. Die nachfolgend aufgeführten Messwerte zur XS.2-Generation dokumentieren historische Modellvergleiche. Poolside meldet für 2.1 auf SWE-bench Multilingual einen Anstieg um 5,4 Prozentpunkte, von 57,7 % auf 63,1 %. Das ist ein Herstellerbenchmark, keine unabhängige Mac-Messung. Beide Generationen sind textbasierte 33B-A3B-MoE-Modelle. Offizielle XS-2.1-Ankündigung.
| Eigenschaft | Laguna XS.2 (dieser Artikel) | Laguna XS 2.1 (Nachfolger) |
|---|---|---|
| Veröffentlichung | 28. April 2026 | 2. Juli 2026 |
| Ollama-Basis-ID | laguna-xs.2 | laguna-xs-2.1 |
| Modellgewichte | 33B gesamt, 3B aktiv | 33B gesamt, 3B aktiv |
| Lizenz | Apache 2.0 | OpenMDW-1.1 |
| Ollama-Q4-Datei | ca. 23 GB | ca. 20 GB |
| Ollama-MLX-NVFP4-Datei | ca. 19 GB | ca. 20 GB |
| Q4-Tag-Kontext laut Ollama | 128K | 256K |
| Mac-Chatproblem mit Metal | Für XS.2 nicht belegt | Evtl. leere Ausgabe |
| Kontext laut Modellkarte | bis 262.144 Tokens | bis 262.144 Tokens |
| SWE-bench Multilingual, Poolside | 57,7 % | 63,1 % |
Gehostete XS.2-API: angekündigtes Ende und Migration
Poolside erklärte am 2. Juli 2026, die eigene gehostete XS.2-API nach einer Woche auslaufen zu lassen. Die Ankündigung betrifft einen API-Dienst, nicht das Recht, die ursprünglichen Apache-2.0-Gewichte lokal weiterzuverwenden. Poolside verwies für dedizierte XS.2-Bereitstellungen auf Basetens Model Library. Ob XS.2 bei einem anderen Provider heute noch buchbar ist, lässt sich daraus nicht ableiten. Poolside: Laguna XS 2.1.
Für eine vorhandene Coding-Agent-Integration ist ein Modellwechsel kein reines Umbenennen:
- Provider und Modell-ID erfassen: Im eigenen API-Konto die tatsächlich angebotenen Modelle und Endpunkte prüfen. Poolsides Abschaltungsankündigung nicht pauschal auf OpenRouter, Baseten oder selbst gehostete Deployments übertragen.
- Referenzaufgaben vor dem Wechsel speichern: Einen bekannten Repository-Fix mit denselben Tests, demselben Harness, dem gleichen Kontextlimit und identischen Tool-Berechtigungen ausführen; danach XS 2.1 getrennt testen. Die veröffentlichten SWE-bench-Werte ersetzen diesen Test nicht.
- Kompatibilität und Lizenz prüfen: XS 2.1 verwendet OpenMDW-1.1 statt Apache 2.0. Tool Calling, Reasoning-Verlauf und Streaming im konkreten Client testen. Auf macOS/Metal ist zusätzlich die unten dokumentierte Ollama-Chatwarnung relevant.
- Kosten und Rückfallweg klären: Abrechnungsmodell, Tokenlimits, Datenverarbeitung und einen funktionierenden Rollback vor dem Wechsel dokumentieren. Die oben genannten USD-Raten sind nur die von Poolside publizierten Listenpreise, kein garantiertes Angebot eines Drittanbieters.
Laguna XS 2.1 auf dem Mac: aktueller macOS/Metal-Hinweis
Das aktuelle Ollama-README von XS 2.1 meldet ausdrücklich, dass ollama run und /api/chat auf macOS/Metal möglicherweise leere Antworten liefern. Auf Linux/CUDA arbeitet der Chat laut Anbieter normal. Poolside untersucht die Ursache mit Ollama. Diese Warnung betrifft XS 2.1, nicht automatisch das ursprüngliche XS.2.
Für einen lokalen XS-2.1-Test dokumentiert Poolside als möglichen Workaround den Endpunkt /api/generate mit "raw": true; alternativ einen Linux/CUDA-Host. Beispiel nach ollama pull laguna-xs-2.1:
curl -sS http://localhost:11434/api/generate \
-H 'Content-Type: application/json' \
-d '{"model":"laguna-xs-2.1","prompt":"Schreibe einen kurzen Python-Test für add(a,b).","raw":true,"stream":false}'Einschränkung: Bei raw:true nimmt Ollama dem Client die Chat-Template-Verarbeitung ab; für produktive Tool-Agenten muss das korrekte Poolside-Template, Thinking-Erhalt und Tool-Routing gesondert getestet werden. Dieser Request ist nur ein einfacher Text-Smoke-Test, kein Beleg für funktionsfähige Mehrschritt-Agenten. Den Status des macOS-Bugs vor einem neuen Tutorial oder Benchmark erneut prüfen. Ollama-Modellkarte.
Deutschland: Beide Gewichtsvarianten können bei lokaler Offline-Inferenz auf einem Mac Daten auf dem Gerät halten. Nutzt du dagegen OpenRouter oder Poolsides API, ist es Cloud-Verarbeitung; ein deutscher Prompt garantiert keine EU-Datenresidenz. Poolside nennt für die gehostete XS 2.1 als Listenpreise 0,10 USD Input / 0,20 USD Output / 0,05 USD Cache Read je Million Tokens. In Deutschland sind dies keine Euro-Bruttoendpreise; Steuer, Zahlstelle und Provider müssen getrennt geprüft werden. Poolside-Modellstart.
Modellkarten-Kontext und tatsächlich nutzbaren Ollama-Kontext trennen: XS.2 Q4 listet 128K, die MLX-Tags 256K. XS 2.1 Q4 listet 256K. Die Modellkarte nennt jeweils 262.144 Tokens. Eine Tag-Angabe garantiert nicht, dass der ganze KV-Cache auf den Mac passt.
Passt Laguna XS.2 zu deinem Mac?
Für Entwickler mit etwa 36 GB Unified Memory ist Laguna XS.2 als lokales Coding-Modell grundsätzlich einsetzbar; 48 oder 64 GB bieten mehr Spielraum für Kontext, Tools und parallele Apps. Die veröffentlichten Vergleichswerte liegen hinter Qwen3.6-35B-A3B, und Macs mit 16 oder 24 GB sind für das Modell praktisch zu klein. Ollama- und MLX-Tags sowie die Apache-2.0-Lizenz sind dokumentiert, ersetzen aber keine Prüfung von Speicherbedarf und Laufzeit auf der eigenen Hardware.
Fakten zuerst
| Punkt | Stand |
|---|---|
| Modell | Poolside Laguna XS.2 |
| Offizieller Hugging-Face-Name | poolside/Laguna-XS.2 |
| Modelltyp | Mixture-of-Experts, text-to-text, Coding/Agentic Coding |
| Parameter | ca. 33B total, ca. 3B aktiv pro Token |
| Architektur | 40 Layer, 256 Experten plus 1 Shared Expert |
| Aufmerksamkeit | 10 globale Attention-Layer, 30 Sliding-Window-Layer |
| Kontext | Hugging Face: 262.144 Tokens; Ollama-Tags: 128K (GGUF/Standard) bzw. 256K (MLX: mxfp8, nvfp4, mlx-bf16) |
| Lizenz | Apache 2.0 |
| Lokale Tools | Ollama, MLX, vLLM, SGLang, Transformers |
| Mac-Einstieg | offiziell lokal-ready ab etwa 36 GB RAM |
Die technische Einordnung stammt vor allem aus der Model Card und dem Laguna M.1/XS.2 Technical Report. Der Report nennt für XS.2 33,4B Gesamtparameter und 3B aktive Parameter und beschreibt die Modelle als Mixture-of-Experts-Foundation-Modelle für lange agentische Coding-Aufgaben. Technical Report, Hugging Face Model Card
Welche Rolle spielt Unified Memory bei Laguna XS.2?
Apple-Silicon-Macs haben einen Vorteil, der bei lokalen KI-Modellen oft unterschätzt wird: CPU, GPU und Neural Engine greifen auf gemeinsamen Unified Memory zu. Das ersetzt keine dedizierte Desktop-GPU von NVIDIA, vereinfacht aber den Betrieb größerer lokaler Netze gegenüber klassischen Laptops mit separater GPU und knappem Videospeicher deutlich.
Die Kombination aus sparsamer Aktivierung und quantisierten Tags macht Laguna XS.2 für lokale Coding-Experimente auf größeren Macs relevant. Ollama listet zum Beispiel laguna-xs.2:latest und laguna-xs.2:q4_K_M mit je rund 23 GB, laguna-xs.2:nvfp4 (MLX) mit rund 19 GB, laguna-xs.2:mxfp8 (MLX) mit rund 39 GB, laguna-xs.2:q8_0 mit rund 37 GB sowie laguna-xs.2:bf16 und laguna-xs.2:mlx-bf16 mit je rund 67 GB. Diese Werte sind nicht identisch mit dem tatsächlichen RAM-Verbrauch, weil Kontextfenster, KV-Cache, Runtime und andere Apps zusätzlichen Speicher brauchen. Ollama Laguna XS.2
Für die Praxis folgt daraus:
| Mac-Konfiguration | Einschätzung |
|---|---|
| 16 GB RAM | Nicht sinnvoll für Laguna XS.2 |
| 24 GB RAM | Nur mit starker Quantisierung und wenig Spielraum, nicht empfehlenswert |
| 32 GB RAM | Grenzbereich: kleine Tags können starten, aber Kontext und Systemlast werden eng |
| 36 GB RAM | Offizieller Einstiegspunkt laut Model Card |
| 48 GB RAM | Mehr Reserve für lokale Tests und Kontext |
| 64 GB+ RAM | Deutlich angenehmer für längere Kontexte, Tools und parallele Apps |
Benchmarks im Vergleich zu Qwen3.6
Die aktuelle Hugging-Face-Model-Card nennt für Laguna XS.2 folgende Werte:
| Benchmark | Laguna XS.2 | Qwen3.6-35B-A3B | Claude Haiku 4.5 | Einordnung |
|---|---|---|---|---|
| SWE-bench Verified | 69,9 % | 73,4 % | 73,3 % | sehr stark, aber nicht führend |
| SWE-bench Multilingual | 57,7 % | 67,2 % | - | klar hinter Qwen3.6 |
| SWE-bench Pro | 46,3 % | 49,5 % | 39,5 % | stark für Open-Weight lokal |
| Terminal-Bench 2.0 | 35,7 % | 51,5 % | 29,8 % | besser als Haiku 4.5, deutlich hinter Qwen3.6 |
Diese Zahlen sind wichtig, aber sie sollten nicht isoliert gelesen werden. Poolside benchmarkte mit dem Harbor Framework und einem eigenen Agent Harness, maximal 500 Schritten, temperature=0.7 und top_k=20. SWE-bench Verified wurde über vier Runs gemittelt, SWE-bench Multilingual über sieben Runs, SWE-bench Pro über drei Runs und Terminal-Bench 2.0 über fünf Runs. Für Terminal-Bench 2.0 wurde laut Model Card eine stärkere Sandbox mit 48 GB RAM und 32 CPUs verwendet. Hugging Face Model Card
Falls du noch ältere Zahlen wie 68,2 Prozent auf SWE-bench Verified findest: Das liegt wahrscheinlich an früheren oder gespiegelten Model-Card-Ständen. Ollama zeigt teils noch die ältere 128K- und 68,2-Prozent-Tabelle, während die Hugging-Face-Model-Card die aktualisierten 262K-Tokens und 69,9 Prozent führt. Die Hugging-Face-Model-Card ist die primäre Quelle. Ollama Laguna XS.2, Hugging Face Commit zur Aktualisierung
Was bedeutet Mixture-of-Experts hier konkret?
Laguna XS.2 ist ein Mixture-of-Experts-Modell. Vereinfacht gesagt besitzt es viele spezialisierte Expertenschichten, aktiviert pro Token aber nur einen Teil davon. Das ist der Grund, warum die 33B Gesamtparameter nicht wie ein dichtes 33B-Modell gerechnet werden müssen. Poolside nennt 256 Experten plus einen Shared Expert und etwa 3B aktive Parameter pro Token.
Beim Programmieren zählt weniger isolierte Sprachgewandtheit als das präzise Zusammenspiel aus Codeverständnis, Tool-Nutzung, Repository-Kontext und mehrschrittigen Korrekturschleifen. XS.2 zielt genau auf solche agentischen Coding-Szenarien ab: Planen, Dateien einlesen, Shell-Befehle absetzen, Fehlermeldungen analysieren und Testläufe wiederholen.
262K Kontext: Speicher und Latenz bleiben die Engpässe
Ein 262K-Kontextfenster erweitert den verfügbaren Kontext, erhöht aber auch Speicherbedarf und Latenz. Es bedeutet nicht, dass ein komplettes Repository auf jedem Mac sinnvoll in einen Prompt passt. Selbst wenn Sliding Window Attention und ein quantisierter KV-Cache helfen, bleibt der lokale Betrieb speichergebunden.
Für echte Arbeit ist deshalb meistens besser:
- Nur relevante Dateien in den Kontext geben.
- Agenten mit Such- und Lesetools arbeiten lassen.
- Lange Logs kürzen.
- Benchmarks nicht mit realer Alltagsgeschwindigkeit verwechseln.
- Quantisierte Varianten testen, bevor man BF16 erwartet.
Installation mit Ollama
Lokale Tags für einen reproduzierbaren Migrationstest festlegen
XS.2 (laguna-xs.2) und Nachfolger (laguna-xs-2.1) müssen getrennt heruntergeladen und getestet werden. Die Ollama-Downloadgröße ist nicht der maximale Unified-Memory-Bedarf; :latest kann sich ändern. Exakten Tag und Digest notieren und dieselbe Chat-Anfrage prüfen:
ollama pull laguna-xs.2:q4_K_M
ollama run laguna-xs.2:q4_K_M "Antworte in einem Satz."
ollama pull laguna-xs-2.1:q4_K_M
ollama run laguna-xs-2.1:q4_K_M "Antworte in einem Satz."
ollama list
ollama psFalls XS 2.1 unter macOS leere Chatantworten liefert: Den bereits oben erläuterten Raw-Generate-Smoke-Test verwenden. Dessen Erfolg belegt noch keine funktionierenden Tool-Calls oder Gesprächshistorie. Die bewährte XS.2-Agentenkonfiguration bis zur Abnahme beibehalten.
Die Q4-Version wird oben bereits explizit geladen. Die folgenden MLX-Tags sind andere Quantisierungen:
Auf Macs mit MLX-Unterstützung sind die MLX-Tags besonders interessant:
ollama run laguna-xs.2:nvfp4
ollama run laguna-xs.2:mxfp8Die BF16-Varianten sind für die meisten normalen Macs weniger realistisch, weil Ollama sie mit rund 67 GB Paketgröße listet. Selbst ein 64-GB-Mac kann dann schnell eng werden, sobald Kontext, System und Entwickler-Tools hinzukommen. Ollama Laguna XS.2
Wo Laguna XS.2 gut passt
Laguna XS.2 ist besonders geeignet für:
- lokale Coding-Assistenten auf großen Macs
- private Codebasen, die nicht an Cloud-APIs gesendet werden sollen
- Agenten-Workflows mit Shell, Tests und Dateizugriff
- Experimente mit Open-Weight-Coding-Modellen
- Teams, die Apache-2.0-Gewichte evaluieren wollen
Weniger geeignet ist es für:
- sehr kleine Macs mit 8, 16 oder 24 GB RAM
- Multimodalität wie Bilder oder Audio
- reine Alltags-Chatbots ohne Coding-Fokus
- Nutzer, die maximale Geschwindigkeit auf schwacher Hardware erwarten
- Szenarien, in denen Qwen3.6-35B-A3B bereits lokal gut läuft und Benchmark-Führung wichtiger ist als Poolside-spezifische Agentenfeatures
Apache 2.0: offen, aber nicht automatisch risikofrei
Die Apache-2.0-Lizenz bietet handfeste Vorteile und gewährt für Nutzung, Modifikation und kommerziellen Einsatz spürbar mehr Freiraum als restriktive Modellvereinbarungen. Im Produktivbetrieb reicht dieser Aspekt allein jedoch nicht aus: Poolside bindet Anwender an verbindliche Richtlinien für Intended and Responsible Use. Für lokale Coding-Agenten gilt als Grundregel: Modelle mit Shell-Ausführungsrechten gehören zwingend in isolierte Sandboxes mit nachvollziehbaren Freigabeprozessen. Hugging Face Model Card
Vergleich mit Laguna M.1
Laguna M.1 ist Poolside zufolge das deutlich größere Modell: 225,8 Milliarden Gesamtparameter und 23,4 Milliarden aktive Parameter pro Token. Für lokale Mac-Setups ist diese Größenordnung wesentlich schwieriger zu betreiben. Laguna XS.2 ist deshalb die praktischere Variante für die lokale Hardware-Diskussion – nicht weil sie absolut stärker wäre, sondern weil sie eher in ein begrenztes Unified-Memory-Budget passt. Technical Report
Bewertung für den lokalen Mac-Einsatz
| Kriterium | Einordnung |
|---|---|
| Lokaler Einsatz | Interessant für Macs mit ausreichend Unified Memory; vor dem produktiven Einsatz Modellgröße und Quantisierung prüfen. |
| Coding-Agenten | Möglich, aber Shell-Zugriffe und Änderungen sollten sandboxed und reviewbar bleiben. |
| Benchmarks | Hersteller- und Model-Card-Werte sind keine Garantie für die eigene Hardware oder den eigenen Harness. |
| Lizenz | Apache 2.0 laut Model Card, zusätzlich gelten Poolside-Nutzungsbedingungen. |
Die neuere lokale Qwen-Generation behandelt der Qwen3.8-27B-Guide; die Speichergrenzen der Unified-Memory-Guide.
Redaktionsstand: 9. Oktober 2026. Die XS.2-Werte unten sind historische Modellkarten-Daten. Die XS-2.1-Warnung spiegelt den am Prüfungstag veröffentlichten Ollama-Hinweis; die Laufzeit kann sich durch Updates ändern.
Quellen
Häufig gestellte Fragen
Ist poolside/laguna-xs-2.1 der offizielle Modellname?
Für dieses XS.2-Modell: nein. Laguna-XS-2.1 existiert inzwischen als separates Poolside-Modell auf Hugging Face. Die relevanten Bezeichnungen sind poolside/Laguna-XS.2 auf Hugging Face und laguna-xs.2 in Ollama; Gewichte und Angaben beider Modelle dürfen nicht vermischt werden.
Läuft Laguna XS.2 auf einem Mac mit 32 GB RAM?
Möglich mit stark quantisierter Variante und begrenztem Kontext, aber 32 GB sind eng. Poolside nennt rund 36 GB Unified Memory als lokalen Einstieg. Für komfortables Arbeiten sind 48 GB oder 64 GB realistischer.
Ist Laguna XS.2 besser als Qwen3.6-35B-A3B?
In den offiziellen Vergleichswerten nicht. Qwen3.6-35B-A3B führt in SWE-bench Verified, SWE-bench Multilingual, SWE-bench Pro und Terminal-Bench 2.0. Laguna XS.2 bleibt trotzdem ein sinnvoller Test, wenn du offene Gewichte und ein lokal nutzbares Modell für agentisches Coding suchst.
Ist Laguna XS.2 Open Source?
Präziser: Open-Weight unter Apache 2.0. Gewichte sind offen, aber Trainingsdaten, interner Code und Produktionskomponenten sind nicht automatisch offen.
Welche Ollama-Variante sollten Mac-Nutzer zuerst testen?
laguna-xs.2:q4_K_M oder ein MLX-Tag wie laguna-xs.2:nvfp4. BF16 ist deutlich größer und nur für sehr speicherstarke Systeme sinnvoll.
Welche Lizenz hat Laguna XS 2.1 im Vergleich zu XS.2?
Laguna XS.2 ist Apache 2.0, die neue XS 2.1 ist OpenMDW-1.1. Das sind zwei verschiedene Modellversionen. Für XS 2.1 warnt das offizielle Ollama-README explizit vor leeren Chat-Ausgaben auf macOS/Metal.
Ist das ursprüngliche Laguna XS.2 noch über Poolsides API verfügbar?
Poolside kündigte am 2. Juli 2026 an, seine gehostete XS.2-API nach einer Woche einzustellen. Das ist keine Aussage über fremde Provider oder lokal gespeicherte Apache-2.0-Gewichte. Prüfe die aktuell angebotene Modell-ID beim jeweiligen Anbieter.