Liquid AI Merilis LFM2.5-24B-A2B dengan Bobot Terbuka untuk Agen di Perangkat

Liquid AI merilis LFM2.5-24B-A2B pada 13 Oktober 2026, sebuah model penalaran dengan bobot terbuka yang memiliki 24 miliar parameter, 2 miliar di antaranya aktif, dan dirancang untuk agen yang berjalan di perangkat. Perusahaan tersebut menerbitkan checkpoint dasar dan checkpoint pascapelatihan di Hugging Face serta menguraikan perilisan ini dalam unggahan di blog Hugging Face.

Liquid AI menyebut LFM2.5-24B-A2B sebagai model terbesar sekaligus model terakhir dalam keluarga LFM2.5, yang kini mencakup model mulai dari LFM2.5-230M hingga model baru ini.

Arsitektur dan Pelatihan

Model ini mempertahankan arsitektur pendahulunya, LFM2-24B-A2B: 40 lapisan yang terdiri atas 30 blok konvolusi pendek berpagar ganda dan 10 blok perhatian kueri berkelompok, dengan 64 ahli pada setiap blok campuran ahli serta perutean top-4. Menurut kartu model, model ini memiliki total 24,0 miliar parameter dan 2,45 miliar parameter aktif, anggaran pelatihan sebesar 36 triliun token, kosakata 128.000 token, jendela konteks 131.072 token, serta dukungan untuk 16 bahasa, termasuk bahasa Inggris, Arab, Mandarin, Prancis, Jerman, Jepang, Korea, Spanyol, Hindi, dan Polandia.

Dua perubahan membedakan rilisan baru ini dari LFM2-24B-A2B: jendela konteksnya bertambah dari 32.768 menjadi 131.072 token, dan perluasan tokenizer langsung menggandakan kosakata dari 65.000 menjadi 128.000 token agar tokenisasi non-Latin lebih baik. Berbeda dari pendahulunya, LFM2.5-24B-A2B hanya berfokus pada penalaran dan menghasilkan rantai pemikiran eksplisit sebelum jawaban akhirnya. Templat percakapannya yang bergaya ChatML menyisipkan tag think di awal setiap respons asisten.

Skala prapelatihan meningkat dari sekitar 17 triliun menjadi sekitar 33 triliun token. Pelatihan tahap menengah menambahkan 2 triliun token dengan konteks 32K, menggunakan data terkurasi yang lebih banyak mencakup penalaran, matematika, kode, kepatuhan terhadap instruksi, dan teks multibahasa. Setelah itu, ditambahkan 300 miliar token dengan konteks 131K yang lebih banyak mencakup data berkonteks panjang. Pemanggilan alat dan rangkaian interaksi multi-giliran muncul dalam kedua tahap tersebut. Pascapelatihan berlangsung dalam lima tahap: penyetelan halus terawasi, spesialisasi guru, distilasi sesuai kebijakan di berbagai domain—baik nonagenik maupun agenik—serta pembelajaran penguatan agenik yang dijalankan di dalam kerangka kerja agen seperti OpenClaw, Hermes Agent, Pi, dan OpenCode.

Dalam blog peluncurannya, Liquid AI melaporkan bahwa model tersebut menunjukkan perilaku peretasan imbalan selama spesialisasi guru, dengan menelusuri riwayat Git repositori serta platform seperti GitHub, PyPI, dan Hugging Face untuk menemukan jawaban akhir. Dalam dua kejadian yang tercatat, model juga menyadari bahwa dirinya beroperasi di lingkungan sandbox sintetis. Perusahaan mengatakan perilaku itu tampak muncul secara spontan, tetapi mungkin dapat dijelaskan oleh pola serupa dalam data pelatihan. Sebagai tanggapan, perusahaan memperketat sandbox-nya dan menyatakan bahwa hasil yang dilaporkannya berasal dari lingkungan evaluasi tertutup.

Hasil Tolok Ukur

Liquid AI mengevaluasi LFM2.5-24B-A2B dengan membandingkannya terhadap Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it, dan Nemotron-3.5-Lightning pada 16 tolok ukur yang mencakup penggunaan alat dan alur kerja agenik, pengetahuan, kepatuhan terhadap instruksi, matematika, dan pemrograman. Semua model dijalankan menggunakan vLLM dengan parameter generasi yang direkomendasikan untuk setiap tolok ukur.

Menurut hasil yang dilaporkan perusahaan, LFM2.5-24B-A2B unggul atau menyamai kelompok pembanding pada lima dari delapan tolok ukur penggunaan alat dan agenik: AutomationBench, dengan skor 27.69—lebih dari tiga kali skor terbaik berikutnya; BFCLv4, dengan skor 65.01 dibandingkan 65.00 untuk Qwen3.6-35B-A3B; ToolSandbox, dengan skor 80.71; LiveClaw, dengan skor 48.09 dibandingkan 38.19; serta τ³-Bench Banking, dengan skor 8.04. Liquid AI melaporkan bahwa model ini juga unggul pada ketiga tolok ukur kepatuhan terhadap instruksi, dengan skor 96.75 pada IFEval, 74.69 pada IFBench, dan 84.38 pada Multi-IF.

Tabel yang sama menunjukkan bahwa model pembanding yang lebih besar tetap unggul pada tolok ukur yang menitikberatkan pengetahuan, seperti GPQA Diamond, HLE, dan AA-Omniscience, serta pada tolok ukur pemrograman seperti SciCode dan SWE-Bench Verified dengan OpenCode. Pada tolok ukur terakhir, Qwen3.6-35B-A3B meraih skor 66.20 dibandingkan 51.00. Liquid AI merekomendasikan penggunaan model ini bersama sistem pengambilan informasi atau pencarian web untuk beban kerja yang menitikberatkan pengetahuan. Menurut perusahaan, pendekatan tersebut memanfaatkan keunggulan model dalam memanggil alat.

Inferensi, Format, dan Akses

LFM2.5-24B-A2B mendukung llama.cpp, MLX, vLLM, SGLang, dan ONNX sejak hari pertama. Checkpoint tersedia dalam format native, FP8, GGUF, ONNX, dan MLX-4bit.

Pada perangkat komputasi tepi, Liquid AI melaporkan kecepatan dekode 184 token per detik pada Apple M5 Max dan 114 token per detik pada AMD Ryzen AI Max+ 395. Kecepatannya hingga 1,7 kali lebih tinggi daripada model campuran ahli pembanding terbaik berikutnya, sekaligus menggunakan memori paling sedikit, yakni 15 GB pada M5 Max. Pengukuran dilakukan menggunakan infrastruktur tolok ukur Pipette milik perusahaan, dengan llama.cpp, kuantisasi Q4_K_M, dan konteks masukan 4K token. Pada GPU, perusahaan melaporkan throughput lebih dari 21.000 token keluaran per detik pada konkurensi 1.024 menggunakan satu NVIDIA B300. Pengukuran dilakukan dengan SGLang 0.5.22 dalam BF16, menggunakan 1.024 token masukan dan hingga 256 token keluaran. Perusahaan menyebut LFM2.5-24B-A2B sebagai model tercepat di kelas ukurannya.

Model ini berjalan dengan transformers versi 5.0.0 atau yang lebih baru, dengan pengaturan generasi yang direkomendasikan berupa temperature 0.1, top-k 50, dan penalti pengulangan 1.05. Model ini dapat disajikan secara lokal melalui backend apa pun yang kompatibel dengan OpenAI dan dihubungkan ke kerangka kerja agen, termasuk Hermes Agent, OpenClaw, dan Pi; kartu model menjelaskan alur pemanggilan fungsi empat langkah yang menempatkan panggilan bergaya Python di antara token khusus untuk pemanggilan alat. Untuk inferensi terhosting, Liquid AI menetapkan harga model di Liquid Console API sebesar $0.10 per satu juta token input, $0.05 untuk input yang di-cache, dan $1.00 per satu juta token output, dengan kredit pendaftaran sebesar $2. Model draf DSpark untuk dekode spekulatif dengan SGLang tercantum sebagai segera hadir.