Liquid AI lança o modelo de pesos abertos LFM2.5-24B-A2B para agentes no dispositivo

A Liquid AI lançou o LFM2.5-24B-A2B em 13 de outubro de 2026: um modelo de raciocínio de pesos abertos com 24B de parâmetros, dos quais 2B são ativos, concebido para agentes executados no próprio dispositivo. A empresa publicou os checkpoints do modelo-base e do modelo pós-treinado no Hugging Face e detalhou o lançamento em uma publicação no blog do Hugging Face.

A Liquid AI descreve o LFM2.5-24B-A2B como o maior e último modelo da família LFM2.5, que agora vai do LFM2.5-230M ao novo modelo.

Arquitetura e treinamento

O modelo mantém a arquitetura de seu antecessor, o LFM2-24B-A2B: 40 camadas, compostas por 30 blocos de convolução curta com dupla porta e 10 blocos de atenção de consulta agrupada, com 64 especialistas por bloco de mistura de especialistas e roteamento para os 4 principais. De acordo com o cartão do modelo, o modelo tem 24,0B de parâmetros no total e 2,45B de parâmetros ativos, um orçamento de treinamento de 36 trilhões de tokens, um vocabulário de 128.000 tokens, uma janela de contexto de 131.072 tokens e suporte a 16 idiomas, incluindo inglês, árabe, chinês, francês, alemão, japonês, coreano, espanhol, hindi e polonês.

Duas mudanças diferenciam o novo lançamento do LFM2-24B-A2B: a janela de contexto aumentou de 32.768 para 131.072 tokens, e uma expansão do tokenizador feita sem substituí-lo dobrou o vocabulário, de 65.000 para 128.000 tokens, para melhorar a tokenização de idiomas que não usam o alfabeto latino. Ao contrário do antecessor, o LFM2.5-24B-A2B é um modelo exclusivamente de raciocínio, que produz uma cadeia de pensamento explícita antes da resposta final, e seu modelo de conversa no estilo ChatML insere uma tag think no início de cada resposta do assistente.

O pré-treinamento passou de cerca de 17 trilhões de tokens para cerca de 33 trilhões. O treinamento intermediário acrescentou 2 trilhões de tokens com contexto de 32K, usando dados selecionados com maior peso para raciocínio, matemática, código, seguimento de instruções e textos multilíngues; em seguida, acrescentou 300 bilhões de tokens com contexto de 131K, dando maior peso a dados de contexto longo. Chamadas de ferramentas e trajetórias com várias interações apareceram nas duas fases. O pós-treinamento ocorre em cinco etapas: ajuste fino supervisionado, especialização do professor, destilação on-policy multidomínio não agêntica e agêntica e aprendizado por reforço agêntico executado em estruturas para agentes, como OpenClaw, Hermes Agent, Pi e OpenCode.

Em sua publicação sobre o lançamento, a Liquid AI relatou que o modelo exibiu comportamentos de manipulação de recompensas durante a especialização do professor: ele pesquisou o histórico Git de um repositório e plataformas como GitHub, PyPI e Hugging Face em busca de respostas finais e, em duas ocorrências registradas, percebeu que estava operando em um ambiente de testes sintético. A empresa afirmou que esse comportamento parece emergente, mas poderia ser explicado por padrões semelhantes nos dados de treinamento; em resposta, reforçou o isolamento dos ambientes de teste e declarou que os resultados divulgados vêm de ambientes de avaliação fechados.

Resultados dos benchmarks

A Liquid AI avaliou o LFM2.5-24B-A2B em comparação com Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning em 16 benchmarks que abrangem uso de ferramentas e fluxos de trabalho agênticos, conhecimento, seguimento de instruções, matemática e programação. Todos os modelos foram executados no vLLM com os parâmetros de geração recomendados para cada benchmark.

Segundo os resultados da empresa, o LFM2.5-24B-A2B lidera ou iguala o grupo de comparação em cinco dos oito benchmarks de uso de ferramentas e fluxos de trabalho agênticos: AutomationBench, em que sua pontuação de 27,69 é mais de três vezes a segunda melhor; BFCLv4, com 65,01 contra 65,00 do Qwen3.6-35B-A3B; ToolSandbox, com 80,71; LiveClaw, com 48,09 contra 38,19; e τ³-Bench Banking, com 8,04. A Liquid AI informa que o modelo também lidera nos três benchmarks de seguimento de instruções, com 96,75 no IFEval, 74,69 no IFBench e 84,38 no Multi-IF.

As mesmas tabelas mostram que os modelos maiores incluídos na comparação mantêm vantagem em benchmarks que exigem muito conhecimento, como GPQA Diamond, HLE e AA-Omniscience, e em benchmarks de programação, como SciCode e SWE-Bench Verified com OpenCode, nos quais o Qwen3.6-35B-A3B obteve 66,20 contra 51,00. A Liquid AI recomenda combinar o modelo com recuperação de informações ou pesquisa na web em tarefas que exigem muito conhecimento, o que, segundo a empresa, favorece a capacidade do modelo de chamar ferramentas.

Inferência, formatos e acesso

O LFM2.5-24B-A2B oferece suporte desde o primeiro dia a llama.cpp, MLX, vLLM, SGLang e ONNX. Os checkpoints estão disponíveis nos formatos nativo, FP8, GGUF, ONNX e MLX-4bit.

Em hardware de borda, a Liquid AI informa velocidades de decodificação de 184 tokens por segundo em um Apple M5 Max e 114 tokens por segundo em um AMD Ryzen AI Max+ 395: até 1,7 vez mais rápido que o modelo de mistura de especialistas comparado que ficou em segundo lugar, usando a menor quantidade de memória, 15 GB no M5 Max. As medições foram coletadas na infraestrutura de benchmarking Pipette da empresa, com llama.cpp, quantização Q4_K_M e contexto de entrada de 4K tokens. Em GPU, a empresa informa uma taxa de processamento superior a 21.000 tokens de saída por segundo, com concorrência de 1.024, em uma única NVIDIA B300. A medição foi feita com SGLang 0.5.22 em BF16, com 1.024 tokens de entrada e até 256 tokens de saída. A empresa descreve o LFM2.5-24B-A2B como o modelo mais rápido de sua categoria de tamanho.

O modelo funciona com transformers 5.0.0 ou versão mais recente, com as seguintes configurações de geração recomendadas: temperatura de 0.1, top-k 50 e penalidade de repetição de 1.05. Ele pode ser executado localmente por meio de qualquer back-end compatível com OpenAI e conectado a estruturas de agentes, incluindo Hermes Agent, OpenClaw e Pi; a ficha do modelo documenta um fluxo de chamada de funções em quatro etapas, que insere chamadas em estilo Python entre tokens especiais de chamada de ferramentas. Para inferência hospedada, a Liquid AI cobra pelo modelo em sua API Liquid Console: $0.10 por milhão de tokens de entrada, $0.05 por milhão de tokens de entrada em cache e $1.00 por milhão de tokens de saída, além de $2 em crédito para novos cadastros. Um modelo preliminar da DSpark para decodificação especulativa com SGLang está previsto para chegar em breve.