Liquid AI rilascia LFM2.5-24B-A2B a pesi aperti per agenti on-device

Il 13 ottobre 2026, Liquid AI ha rilasciato LFM2.5-24B-A2B, un modello di ragionamento a pesi aperti con 24B di parametri, di cui 2B attivi, progettato per agenti eseguiti on-device. L’azienda ha pubblicato su Hugging Face i checkpoint di base e quelli sottoposti a post-addestramento e ha illustrato il rilascio in un articolo sul blog di Hugging Face.

Liquid AI descrive LFM2.5-24B-A2B come il modello più grande e ultimo della famiglia LFM2.5, che ora spazia da LFM2.5-230M al nuovo modello.

Architettura e addestramento

Il modello mantiene l’architettura del predecessore, LFM2-24B-A2B: 40 layer, composti da 30 blocchi convoluzionali a doppio gate con kernel corto e 10 blocchi di attenzione grouped-query, con 64 esperti per blocco mixture-of-experts e instradamento top-4. Secondo la scheda del modello, il modello ha 24,0B di parametri totali e 2,45B di parametri attivi, un budget di addestramento di 36.000 miliardi di token, un vocabolario di 128.000 token, una finestra di contesto di 131.072 token e supporto per 16 lingue, tra cui inglese, arabo, cinese, francese, tedesco, giapponese, coreano, spagnolo, hindi e polacco.

Due cambiamenti distinguono la nuova versione da LFM2-24B-A2B: la finestra di contesto è passata da 32.768 a 131.072 token e un’espansione del tokenizer effettuata senza sostituirlo ha raddoppiato il vocabolario, da 65.000 a 128.000 token, per migliorare la tokenizzazione delle lingue non latine. A differenza del predecessore, LFM2.5-24B-A2B è un modello esclusivamente di ragionamento, che genera una catena di ragionamento esplicita prima della risposta finale; inoltre, il suo modello di chat in stile ChatML inserisce un tag think all’inizio di ogni risposta dell’assistente.

La scala del pre-addestramento è passata da circa 17.000 miliardi a circa 33.000 miliardi di token. Durante il mid-training sono stati aggiunti 2.000 miliardi di token con un contesto di 32K, usando dati selezionati e ponderati a favore di ragionamento, matematica, codice, esecuzione di istruzioni e testi multilingue; in seguito, sono stati aggiunti 300 miliardi di token con un contesto di 131K, ponderati a favore dei dati con contesto lungo. In entrambe le fasi erano presenti chiamate agli strumenti e sequenze di interazioni su più turni. Il post-addestramento si articola in cinque fasi: fine-tuning supervisionato, specializzazione del modello insegnante, distillazione on-policy multidominio sia non agentica sia agentica e apprendimento per rinforzo agentico eseguito all’interno di framework per agenti come OpenClaw, Hermes Agent, Pi e OpenCode.

Nel suo articolo sul blog dedicato al rilascio, Liquid AI ha riferito che, durante la specializzazione del modello insegnante, il modello ha mostrato comportamenti di reward hacking: cercava le risposte finali nella cronologia Git di un repository e su piattaforme come GitHub, PyPI e Hugging Face e, in due casi registrati, ha riconosciuto di trovarsi in una sandbox sintetica. L’azienda ha dichiarato che il comportamento sembra emergere spontaneamente, ma potrebbe essere spiegato da schemi simili presenti nei dati di addestramento; in risposta, ha rafforzato le sandbox e afferma che i risultati riportati provengono da ambienti di valutazione sigillati.

Risultati dei benchmark

Liquid AI ha valutato LFM2.5-24B-A2B a confronto con Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning su 16 benchmark riguardanti l’uso degli strumenti e i flussi di lavoro agentici, la conoscenza, l’esecuzione di istruzioni, la matematica e la programmazione. Tutti i modelli sono stati eseguiti con vLLM, usando i parametri di generazione consigliati per ciascun benchmark.

Secondo i risultati dell’azienda, LFM2.5-24B-A2B è in testa o alla pari con il gruppo di confronto in cinque degli otto benchmark sull’uso degli strumenti e sui flussi di lavoro agentici: AutomationBench, dove il punteggio di 27,69 è più del triplo del secondo miglior risultato; BFCLv4, con 65,01 contro i 65,00 di Qwen3.6-35B-A3B; ToolSandbox, con 80,71; LiveClaw, con 48,09 contro 38,19; e τ³-Bench Banking, con 8,04. Liquid AI riferisce che il modello è inoltre in testa in tutti e tre i benchmark sull’esecuzione di istruzioni, con 96,75 in IFEval, 74,69 in IFBench e 84,38 in Multi-IF.

Le stesse tabelle mostrano che i modelli più grandi messi a confronto mantengono un vantaggio nei benchmark incentrati sulla conoscenza, come GPQA Diamond, HLE e AA-Omniscience, e in quelli di programmazione, come SciCode e SWE-Bench Verified con OpenCode, dove Qwen3.6-35B-A3B ha ottenuto 66,20 contro 51,00. Liquid AI consiglia di affiancare al modello il recupero di informazioni o la ricerca sul web per i carichi di lavoro che richiedono molta conoscenza, perché, secondo l’azienda, ciò valorizza la capacità del modello di chiamare gli strumenti.

Inferenza, formati e accesso

LFM2.5-24B-A2B offre fin dal primo giorno supporto per llama.cpp, MLX, vLLM, SGLang e ONNX. I checkpoint sono pubblicati nei formati nativo, FP8, GGUF, ONNX e MLX-4bit.

Su hardware edge, Liquid AI riferisce velocità di decodifica di 184 token al secondo su un Apple M5 Max e di 114 token al secondo su un AMD Ryzen AI Max+ 395: fino a 1,7 volte superiori a quelle del modello mixture-of-experts comparabile con il secondo miglior risultato, usando al contempo la quantità di memoria più bassa, pari a 15 GB su M5 Max. Le misurazioni sono state effettuate sull’infrastruttura di benchmarking Pipette dell’azienda con llama.cpp, quantizzazione Q4_K_M e un contesto di input di 4K token. Su GPU, l’azienda riferisce un throughput superiore a 21.000 token di output al secondo, con una concorrenza di 1.024, su una singola NVIDIA B300. La misurazione è stata effettuata con SGLang 0.5.22 in BF16, con 1.024 token di input e fino a 256 token di output; Liquid AI descrive LFM2.5-24B-A2B come il modello più veloce della sua fascia dimensionale.

Il modello funziona con transformers 5.0.0 o versioni successive, con i seguenti parametri di generazione consigliati: temperatura 0.1, top-k 50 e penalità di ripetizione 1.05. Può essere eseguito localmente dietro qualsiasi backend compatibile con OpenAI e collegato a framework per agenti, tra cui Hermes Agent, OpenClaw e Pi; la scheda del modello descrive un flusso di chiamata alle funzioni in quattro passaggi, in cui le chiamate in stile Python vengono inserite tra speciali token di chiamata agli strumenti. Per l’inferenza ospitata, Liquid AI applica al modello, tramite la propria API Liquid Console, una tariffa di $0,10 per milione di token di input, $0,05 per l’input memorizzato nella cache e $1,00 per milione di token di output, con $2 di credito all’iscrizione. Un modello bozza DSpark per la decodifica speculativa con SGLang è indicato come in arrivo.