Liquid AI kündigt LFM2.5-24B-A2B an, ein 24-Milliarden-Parameter-Reasoning-Modell, von dem nur 2 Milliarden pro Token aktiv sind, das entwickelt wurde, um schnelle und private Agenten direkt auf einem Gerät laufen zu lassen. Das Modell denkt nach, bevor es antwortet, ruft Werkzeuge auf und verkettet mehrstufige Aufgaben innerhalb der meistgenutzten Agenten-Umgebungen. Sein offenes Gewicht ist auf Hugging Face verfügbar.
Das Modell übernimmt die Architektur seines Vorgängers LFM2-24B-A2B mit 40 Schichten, 64 Experten pro MoE-Block (mixture of experts, eine Architektur, bei der nur ein Teil des Netzwerks pro Berechnung aktiviert wird) und einem Top-4-Routing. Der Kontextfenster wird von 32K auf 131K Tokens erweitert, und der Wortschatz wird von 65K auf 128K Tokens vergrößert, um nicht-lateinische Schriften besser zu segmentieren. Im Gegensatz zu LFM2-24B-A2B ist LFM2.5-24B-A2B ein rein auf Reasoning ausgerichtetes Modell, das eine explizite Gedankenkette vor seiner endgültigen Antwort erzeugt.
Das Vor-Training wurde von etwa 17T auf etwa 33T Tokens ausgeweitet. Darauf folgt ein Zwischentraining mit 2T Tokens bei 32K Kontext, das Reasoning, Mathematik, Code, Instruktionsbefolgung und mehrsprachige Texte bevorzugt, dann 300B Tokens bei 131K Kontext. Die Nachschulung verwandelt dieses Basismodell in fünf Schritten in einen Agenten: ein überwachtes Fein-Tuning (SFT), die Spezialisierung von « Lehrer »-Modellen, zwei Phasen der Policy-Distillation (MOPD) – eine für nicht-agentische Aufgaben, eine für agentische Aufgaben – und schließlich agentisches Reinforcement Learning, durchgeführt in Agenten-Umgebungen wie OpenClaw, Hermes Agent, Pi und OpenCode.
Verkündete Ergebnisse im Vergleich zu größeren Modellen
Liquid AI hat sein Modell mit Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it und Nemotron-3.5-Lightning auf 16 Benchmarks verglichen, die Werkzeugnutzung, Wissen, Instruktionsbefolgung, Mathematik und Code abdecken. Laut Unternehmen ist LFM2.5-24B-A2B das kleinste der Gruppe, bleibt aber wettbewerbsfähig gegenüber Modellen mit etwa 50 % mehr Gesamt- und Aktivparametern. Auf LiveClaw erzielt es 48,09 gegenüber 38,19 für Qwen3.6-35B-A3B. Auf AutomationBench erreicht es 27,69 gegenüber 8,72 für den besten Konkurrenten in der Tabelle, laut veröffentlichten Zahlen. Es übertrifft auch die anderen Modelle auf den drei Instruktionsbefolgung-Benchmarks, darunter IFEval (96,75) und IFBench (74,69). Größere Modelle behalten den Vorteil bei Tests, die breites Wissen erfordern, wie GPQA Diamond, wo Qwen3.6-35B-A3B 83,69 gegenüber 74,42 zeigt, sowie bei Code, z.B. SWE-Bench Verified (OpenCode), wo es 66,20 gegenüber 51,00 erreicht. Liquid AI empfiehlt daher, dieses Modell für wissensintensive Anwendungen mit einer Dokumenten- oder Websuche zu koppeln. Die Auswertungen wurden mit vLLM gemäß den empfohlenen Generierungsparametern für jeden Benchmark durchgeführt.
Was die Hardware-Leistung betrifft, gibt das Unternehmen 184 Tokens pro Sekunde auf einem Apple M5 Max und 114 Tokens pro Sekunde auf einem Ryzen AI Max+ 395 an, also bis zu 1,7-mal schneller als das nächstbeste Modell, bei geringstem Speicherverbrauch. Auf einer einzelnen NVIDIA B300 GPU erreicht das Modell bei hoher Parallelität bis zu 21K Output-Tokens pro Sekunde.
Das Modell ist ab Release kompatibel mit llama.cpp, MLX, vLLM, SGLang und ONNX. Um es mit einem Agenten zu nutzen, genügt es, es lokal hinter einer OpenAI-kompatiblen Schnittstelle zu betreiben und dann die Adresse dieses Servers im Agenten anzugeben, z.B. auf Port 8080 für llama.cpp und MLX oder Port 8000 für vLLM.
