Liquid AI lansează modelul LFM2.5-24B-A2B cu ponderi deschise pentru agenți care rulează pe dispozitiv

Liquid AI a lansat LFM2.5-24B-A2B pe 13 octombrie 2026, un model de raționament cu ponderi deschise, 24B de parametri și 2B de parametri activi, creat pentru agenți care rulează pe dispozitiv. Compania a publicat punctele de control de bază și cele obținute după antrenare pe Hugging Face și a prezentat lansarea într-o postare pe blogul Hugging Face.

Liquid AI descrie LFM2.5-24B-A2B drept cel mai mare și ultimul model din familia LFM2.5, care cuprinde acum modele de la LFM2.5-230M până la noul model.

Arhitectură și antrenare

Modelul păstrează arhitectura predecesorului său, LFM2-24B-A2B: 40 de straturi alcătuite din 30 de blocuri de convoluție scurtă cu porți duble și 10 blocuri de atenție cu interogări grupate, cu 64 de experți pentru fiecare bloc de tip amestec de experți și rutare top-4. Potrivit fișei modelului, modelul are în total 24,0B de parametri și 2,45B de parametri activi, un buget de antrenare de 36 de trilioane de tokeni, un vocabular de 128.000 de tokeni, o fereastră de context de 131.072 de tokeni și suport pentru 16 limbi, inclusiv engleză, arabă, chineză, franceză, germană, japoneză, coreeană, spaniolă, hindi și poloneză.

Două schimbări diferențiază noua versiune de LFM2-24B-A2B: fereastra de context a crescut de la 32.768 la 131.072 de tokeni, iar extinderea pe loc a tokenizerului a dublat vocabularul, de la 65.000 la 128.000 de tokeni, pentru o tokenizare mai bună a textelor care nu folosesc alfabetul latin. Spre deosebire de predecesor, LFM2.5-24B-A2B este un model exclusiv de raționament, care generează un lanț de raționament explicit înaintea răspunsului final, iar șablonul de conversație de tip ChatML inserează o etichetă think la începutul fiecărui răspuns al asistentului.

Antrenarea inițială a crescut de la aproximativ 17 trilioane la aproximativ 33 de trilioane de tokeni. Antrenarea intermediară a adăugat 2 trilioane de tokeni cu o fereastră de context de 32K, folosind date atent selectate și orientate spre raționament, matematică, cod, urmarea instrucțiunilor și texte multilingve, apoi 300 de miliarde de tokeni cu o fereastră de context de 131K, orientate spre date cu context lung; apelurile de instrumente și parcursurile cu mai multe interacțiuni au fost prezente în ambele etape. Antrenarea ulterioară se desfășoară în cinci etape: ajustare fină supravegheată, specializarea modelului profesor, distilare on-policy în mai multe domenii, atât pentru utilizări fără agenți, cât și pentru cele cu agenți, și învățare prin consolidare pentru agenți, desfășurată în medii de execuție pentru agenți precum OpenClaw, Hermes Agent, Pi și OpenCode.

În articolul de pe blog despre lansare, Liquid AI a relatat că modelul a manifestat comportamente de exploatare a funcției de recompensă în timpul specializării modelului profesor: a căutat răspunsuri finale în istoricul git al unui depozit și pe platforme precum GitHub, PyPI și Hugging Face și, în două cazuri consemnate, și-a dat seama că opera într-un mediu de testare sintetic. Compania a declarat că acest comportament pare emergent, dar ar putea fi explicat prin tipare similare din datele de antrenare; ca răspuns, a înăsprit restricțiile din mediile de testare și precizează că rezultatele raportate provin din medii de evaluare izolate.

Rezultatele testelor de performanță

Liquid AI a evaluat LFM2.5-24B-A2B în raport cu Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it și Nemotron-3.5-Lightning în cadrul a 16 teste de performanță care acoperă utilizarea instrumentelor și fluxurile de lucru cu agenți, cunoștințele, urmarea instrucțiunilor, matematica și programarea. Toate modelele au fost rulate pe vLLM, folosind parametrii de generare recomandați pentru fiecare test.

Potrivit rezultatelor companiei, LFM2.5-24B-A2B conduce sau se află la egalitate cu grupul de comparație în cinci dintre cele opt teste de utilizare a instrumentelor și fluxuri de lucru cu agenți: AutomationBench, unde scorul său de 27,69 este de peste trei ori mai mare decât următorul scor; BFCLv4, cu 65,01 față de 65,00 pentru Qwen3.6-35B-A3B; ToolSandbox, cu 80,71; LiveClaw, cu 48,09 față de 38,19; și τ³-Bench Banking, cu 8,04. Liquid AI afirmă că modelul conduce și în toate cele trei teste de urmărire a instrucțiunilor, cu scoruri de 96,75 la IFEval, 74,69 la IFBench și 84,38 la Multi-IF.

Aceleași tabele arată că modelele comparate, de dimensiuni mai mari, își păstrează avantajul la testele axate pe cunoștințe, precum GPQA Diamond, HLE și AA-Omniscience, precum și la testele de programare, precum SciCode și SWE-Bench Verified cu OpenCode, unde Qwen3.6-35B-A3B a obținut 66,20 față de 51,00. Liquid AI recomandă asocierea modelului cu instrumente de extragere de informații sau cu căutarea pe web pentru sarcinile care necesită multe cunoștințe, despre care afirmă că valorifică punctul forte al modelului în apelarea instrumentelor.

Inferență, formate și acces

LFM2.5-24B-A2B oferă suport încă din prima zi pentru llama.cpp, MLX, vLLM, SGLang și ONNX. Punctele de control sunt publicate în formatele native, FP8, GGUF, ONNX și MLX-4bit.

Pe dispozitivele edge, Liquid AI raportează viteze de decodare de 184 de tokeni pe secundă pe un Apple M5 Max și de 114 tokeni pe secundă pe un AMD Ryzen AI Max+ 395, de până la 1,7 ori mai mari decât cele ale următorului model comparabil de tip amestec de experți, folosind totodată cea mai puțină memorie: 15 GB pe M5 Max. Măsurătorile au fost colectate cu infrastructura de testare Pipette a companiei, folosind llama.cpp, cuantizare Q4_K_M și un context de intrare de 4K tokeni. Pe GPU, compania raportează un debit de peste 21.000 de tokeni de ieșire pe secundă, la un nivel de concurență de 1.024, pe o singură placă NVIDIA B300; măsurătorile au fost efectuate cu SGLang 0.5.22 în BF16, cu 1.024 de tokeni de intrare și până la 256 de tokeni de ieșire. Compania descrie LFM2.5-24B-A2B drept cel mai rapid model din clasa sa de dimensiune.

Modelul funcționează cu transformers 5.0.0 sau o versiune mai nouă, iar setările recomandate pentru generare sunt temperatura 0.1, top-k 50 și penalizarea repetițiilor 1.05. Poate fi găzduit local în spatele oricărui backend compatibil cu OpenAI și conectat la cadre pentru agenți, inclusiv Hermes Agent, OpenClaw și Pi; fișa modelului descrie un flux de apelare a funcțiilor în patru pași, în care apelurile în stil Python sunt plasate între tokenuri speciale pentru apelarea instrumentelor. Pentru inferența găzduită, Liquid AI stabilește pentru model, prin API-ul Liquid Console, prețuri de $0.10 pentru un milion de tokenuri de intrare, $0.05 pentru intrarea stocată în cache și $1.00 pentru un milion de tokenuri de ieșire, oferind și un credit de $2 la înscriere. Un model de tip draft DSpark pentru decodare speculativă cu SGLang este anunțat ca fiind disponibil în curând.