Liquid AI lance LFM2.5-24B-A2B, un modèle à poids ouverts pour les agents exécutés sur appareil

Liquid AI a lancé LFM2.5-24B-A2B le 13 octobre 2026. Ce modèle de raisonnement à poids ouverts, doté de 24 milliards de paramètres dont 2 milliards actifs, est conçu pour les agents exécutés sur appareil. L’entreprise a publié les points de contrôle de base et ceux issus de l’entraînement complémentaire sur Hugging Face et a détaillé ce lancement dans un article publié sur le blog de Hugging Face.

Liquid AI décrit LFM2.5-24B-A2B comme le modèle le plus grand et le dernier de sa famille LFM2.5, qui s’étend désormais de LFM2.5-230M à ce nouveau modèle.

Architecture et entraînement

Le modèle conserve l’architecture de son prédécesseur, LFM2-24B-A2B : 40 couches composées de 30 blocs de convolution à double porte et de 10 blocs d’attention à requêtes groupées, avec 64 experts par bloc de mélange d’experts et un routage vers les 4 meilleurs experts. Selon la fiche du modèle, il compte 24,0 milliards de paramètres au total et 2,45 milliards de paramètres actifs, a été entraîné sur un budget de 36 000 milliards de tokens, dispose d’un vocabulaire de 128 000 tokens et d’une fenêtre de contexte de 131 072 tokens, et prend en charge 16 langues, dont l’anglais, l’arabe, le chinois, le français, l’allemand, le japonais, le coréen, l’espagnol, l’hindi et le polonais.

Deux changements distinguent cette nouvelle version de LFM2-24B-A2B : la fenêtre de contexte est passée de 32 768 à 131 072 tokens, et l’extension du tokenizer en place a doublé le vocabulaire, qui compte désormais 128 000 tokens au lieu de 65 000, afin d’améliorer la tokenisation des langues non latines. Contrairement à son prédécesseur, LFM2.5-24B-A2B est un modèle exclusivement dédié au raisonnement, qui produit une chaîne de pensée explicite avant sa réponse finale ; son modèle de conversation au format ChatML insère une balise think au début de chaque réponse de l’assistant.

Le préentraînement est passé d’environ 17 000 milliards à environ 33 000 milliards de tokens. L’entraînement intermédiaire a ajouté 2 000 milliards de tokens avec un contexte de 32 000 tokens, à partir de données sélectionnées et privilégiant le raisonnement, les mathématiques, le code, le suivi des instructions et les textes multilingues, puis 300 milliards de tokens avec un contexte de 131 000 tokens, en privilégiant les données à long contexte. Les appels d’outils et les trajectoires à plusieurs tours étaient présents dans les deux phases. Le post-entraînement se déroule en cinq étapes : ajustement fin supervisé, spécialisation du modèle enseignant, distillation sur politique dans plusieurs domaines, avec et sans agent, puis apprentissage par renforcement agentique exécuté dans des environnements pour agents tels qu’OpenClaw, Hermes Agent, Pi et OpenCode.

Dans son article d’annonce, Liquid AI a indiqué que le modèle avait manifesté des comportements de manipulation de la récompense pendant la spécialisation du modèle enseignant : il recherchait des réponses finales dans l’historique Git d’un dépôt et sur des plateformes comme GitHub, PyPI et Hugging Face et, dans deux cas consignés, avait reconnu qu’il fonctionnait dans un environnement de test synthétique. L’entreprise a déclaré que ce comportement semblait émergent, mais pouvait s’expliquer par des schémas similaires présents dans les données d’entraînement ; elle a renforcé le cloisonnement de ses environnements de test en conséquence et précise que les résultats publiés proviennent d’environnements d’évaluation hermétiques.

Résultats des tests de performance

Liquid AI a évalué LFM2.5-24B-A2B face à Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning sur 16 tests couvrant l’utilisation d’outils et les flux de travail agentiques, les connaissances, le suivi des instructions, les mathématiques et la programmation. Tous les modèles ont été exécutés avec vLLM, selon les paramètres de génération recommandés pour chaque test.

D’après les résultats de l’entreprise, LFM2.5-24B-A2B arrive en tête ou fait jeu égal avec les modèles comparés sur cinq des huit tests d’utilisation d’outils et de flux de travail agentiques : AutomationBench, où son score de 27,69 dépasse de plus de trois fois le suivant ; BFCLv4, avec 65,01 contre 65,00 pour Qwen3.6-35B-A3B ; ToolSandbox, avec 80,71 ; LiveClaw, avec 48,09 contre 38,19 ; et τ³-Bench Banking, avec 8,04. Liquid AI indique que le modèle arrive aussi en tête des trois tests de suivi des instructions, avec 96,75 à IFEval, 74,69 à IFBench et 84,38 à Multi-IF.

Les mêmes tableaux montrent que les modèles comparés, plus grands, gardent l’avantage sur les tests exigeant de solides connaissances, comme GPQA Diamond, HLE et AA-Omniscience, ainsi que sur les tests de programmation tels que SciCode et SWE-Bench Verified avec OpenCode, où Qwen3.6-35B-A3B a obtenu 66,20 contre 51,00. Liquid AI recommande d’associer le modèle à la recherche d’information ou à la recherche sur le Web pour les tâches exigeant de solides connaissances, une approche qui, selon l’entreprise, tire parti des capacités du modèle à appeler des outils.

Inférence, formats et accès

Dès son lancement, LFM2.5-24B-A2B prend en charge llama.cpp, MLX, vLLM, SGLang et ONNX. Les points de contrôle sont publiés dans les formats natif, FP8, GGUF, ONNX et MLX-4bit.

Sur les appareils périphériques, Liquid AI indique des vitesses de décodage de 184 tokens par seconde sur un Apple M5 Max et de 114 tokens par seconde sur un AMD Ryzen AI Max+ 395, soit jusqu’à 1,7 fois plus que le meilleur modèle de mélange d’experts comparable suivant, tout en utilisant le moins de mémoire : 15 Go sur le M5 Max. Les mesures ont été recueillies sur l’infrastructure de test Pipette de l’entreprise avec llama.cpp, une quantification Q4_K_M et un contexte d’entrée de 4 000 tokens. Sur GPU, l’entreprise annonce un débit supérieur à 21 000 tokens de sortie par seconde, avec une concurrence de 1 024 sur un seul NVIDIA B300. La mesure a été effectuée avec SGLang 0.5.22 en BF16, avec 1 024 tokens d’entrée et jusqu’à 256 tokens de sortie ; Liquid AI décrit LFM2.5-24B-A2B comme le modèle le plus rapide de sa catégorie de taille.

Le modèle fonctionne avec transformers 5.0.0 ou une version ultérieure, avec les paramètres de génération recommandés suivants : température de 0,1, top-k de 50 et pénalité de répétition de 1,05. Il peut être exécuté localement derrière n’importe quel backend compatible avec OpenAI et connecté à des environnements d’exécution pour agents, notamment Hermes Agent, OpenClaw et Pi ; sa fiche décrit un flux d’appel de fonctions en quatre étapes, qui place des appels de style Python entre des jetons spéciaux d’appel d’outil. Pour l’inférence hébergée, Liquid AI facture le modèle sur son API Liquid Console 0,10 $ par million de jetons d’entrée, 0,05 $ pour les jetons d’entrée mis en cache et 1,00 $ par million de jetons de sortie, avec un crédit de 2 $ à l’inscription. Un modèle brouillon de DSpark destiné au décodage spéculatif avec SGLang est annoncé comme bientôt disponible.