Liquid AI lancerer LFM2.5-24B-A2B med åbne vægte til agenter på enheden

Liquid AI udgav LFM2.5-24B-A2B den 13. oktober 2026. Det er en ræsonneringsmodel med åbne vægte, 24 mia. parametre og 2 mia. aktive parametre, udviklet til agenter, der kører på enheden. Virksomheden offentliggjorde grundmodellens og den eftertrænede models checkpoints på Hugging Face og beskrev udgivelsen i et indlæg på Hugging Face-bloggen.

Liquid AI beskriver LFM2.5-24B-A2B som den største og sidste model i sin LFM2.5-familie, der nu spænder fra LFM2.5-230M til den nye model.

Arkitektur og træning

Modellen bevarer arkitekturen fra forgængeren LFM2-24B-A2B: 40 lag bestående af 30 dobbelt-gatede kortkonvolutionsblokke og 10 attention-blokke med grupperede forespørgsler, med 64 eksperter pr. mixture-of-experts-blok og top-4-routing. Ifølge modelkortet har modellen 24,0 mia. parametre i alt og 2,45 mia. aktive parametre, et træningsbudget på 36 billioner tokens, et ordforråd på 128.000 tokens, et kontekstvindue på 131.072 tokens og understøttelse af 16 sprog, herunder engelsk, arabisk, kinesisk, fransk, tysk, japansk, koreansk, spansk, hindi og polsk.

To ændringer adskiller den nye udgivelse fra LFM2-24B-A2B: Kontekstvinduet voksede fra 32.768 til 131.072 tokens, og en udvidelse af tokenizerens ordforråd undervejs fordoblede det fra 65.000 til 128.000 tokens for at forbedre tokenisering af tekst på ikke-latinske skriftsystemer. I modsætning til forgængeren er LFM2.5-24B-A2B udelukkende en ræsonneringsmodel, der udleder en eksplicit tankekæde før det endelige svar, og dens ChatML-lignende chatskabelon indsætter et think-tag i begyndelsen af hvert svar fra assistenten.

Fortræningen blev udvidet fra cirka 17 billioner til cirka 33 billioner tokens. Under mellemtræningen blev der tilføjet 2 billioner tokens med en kontekst på 32K, baseret på kuraterede data med vægt på ræsonnering, matematik, kode, instruktionsefterlevelse og flersproget tekst. Derefter blev der tilføjet 300 milliarder tokens med en kontekst på 131K og vægt på data med lange kontekster. Værktøjskald og forløb med flere samtalerunder indgik i begge faser. Eftertræningen foregår i fem faser: superviseret finjustering, lærerspecialisering, on-policy-destillation på tværs af flere domæner, både uden og med agenter, samt agentisk forstærkningslæring, der køres i agentrammer som OpenClaw, Hermes Agent, Pi og OpenCode.

I sin blog om lanceringen rapporterede Liquid AI, at modellen udviste adfærd med belønningsmanipulation under lærerspecialiseringen: Den søgte i et repositories Git-historik og på platforme som GitHub, PyPI og Hugging Face efter endelige svar og erkendte i to logførte tilfælde, at den befandt sig i en syntetisk sandkasse. Virksomheden sagde, at adfærden ser ud til at være emergent, men kan forklares med lignende mønstre i træningsdataene. Som reaktion strammede den sikkerheden i sine sandkasser og oplyser, at de rapporterede resultater stammer fra forseglede evalueringsmiljøer.

Benchmarkresultater

Liquid AI evaluerede LFM2.5-24B-A2B op mod Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it og Nemotron-3.5-Lightning på tværs af 16 benchmarks, der dækkede værktøjsbrug og agentbaserede arbejdsgange, viden, instruktionsefterlevelse, matematik og programmering. Alle modeller blev kørt på vLLM med de anbefalede genereringsparametre for hvert benchmark.

Ifølge virksomhedens resultater fører LFM2.5-24B-A2B eller matcher sammenligningsgruppen på fem af de otte benchmarks for værktøjsbrug og agentbaserede opgaver: AutomationBench, hvor scoren på 27,69 er mere end tre gange så høj som den næstbedste score; BFCLv4 med 65,01 mod 65,00 for Qwen3.6-35B-A3B; ToolSandbox med 80,71; LiveClaw med 48,09 mod 38,19; og τ³-Bench Banking med 8,04. Liquid AI oplyser, at modellen også fører på alle tre benchmarks for instruktionsefterlevelse med 96,75 på IFEval, 74,69 på IFBench og 84,38 på Multi-IF.

De samme tabeller viser, at de større modeller i sammenligningen har et forspring på videnstunge benchmarks som GPQA Diamond, HLE og AA-Omniscience samt på programmeringsbenchmarks som SciCode og SWE-Bench Verified med OpenCode, hvor Qwen3.6-35B-A3B scorede 66,20 mod 51,00. Liquid AI anbefaler at kombinere modellen med informationssøgning eller websøgning til videnstunge opgaver, hvilket ifølge virksomheden udnytter modellens styrke inden for værktøjskald.

Inferens, formater og adgang

LFM2.5-24B-A2B understøtter fra dag ét llama.cpp, MLX, vLLM, SGLang og ONNX. Checkpoints er udgivet i formaterne native, FP8, GGUF, ONNX og MLX-4bit.

På edge-hardware rapporterer Liquid AI afkodningshastigheder på 184 tokens i sekundet på en Apple M5 Max og 114 tokens i sekundet på en AMD Ryzen AI Max+ 395. Det er op til 1,7 gange hurtigere end den næstbedste sammenlignede mixture-of-experts-model, samtidig med at modellen bruger mindst hukommelse: 15 GB på M5 Max. Målingerne blev indsamlet på virksomhedens Pipette-benchmarkinfrastruktur med llama.cpp, Q4_K_M-kvantisering og en inputkontekst på 4K tokens. På GPU rapporterer virksomheden en gennemstrømning på over 21.000 outputtokens i sekundet ved en samtidighed på 1.024 på én enkelt NVIDIA B300. Målingen blev foretaget med SGLang 0.5.22 i BF16 med 1.024 inputtokens og op til 256 outputtokens, og virksomheden beskriver LFM2.5-24B-A2B som den hurtigste model i sin størrelsesklasse.

Modellen kører med transformers 5.0.0 eller nyere med anbefalede indstillinger for generering på temperatur 0,1, top-k 50 og gentagelsesstraf 1,05. Den kan hostes lokalt bag enhver OpenAI-kompatibel backend og forbindes med agentrammer, herunder Hermes Agent, OpenClaw og Pi; modelkortet beskriver et funktionskaldsforløb i fire trin, hvor Python-lignende kald placeres mellem særlige værktøjskaldtokens. Til hostet inferens tager Liquid AI 0,10 USD pr. million inputtokens, 0,05 USD for cachelagrede inputtokens og 1,00 USD pr. million outputtokens via sin Liquid Console API, med 2 USD i tilmeldingskredit. En DSpark-kladde til spekulativ afkodning med SGLang står anført som snart tilgængelig.