Liquid AI anuncia LFM2.5-24B-A2B, un modelo de razonamiento de 24 mil millones de parámetros de los cuales solo 2 mil millones están activos en cada token, diseñado para hacer funcionar agentes rápidos y privados directamente en un dispositivo. El modelo reflexiona antes de responder, llama a herramientas y encadena tareas en múltiples pasos dentro de los entornos de agentes más utilizados. Su peso abierto está disponible en Hugging Face.
El modelo retoma la arquitectura de su predecesor, LFM2-24B-A2B, con 40 capas, 64 expertos por bloque MoE (mixture of experts, un tipo de arquitectura donde solo una parte de la red se activa en cada cálculo) y un enrutamiento top-4. La ventana de contexto pasa de 32K a 131K tokens, y el vocabulario se amplía de 65K a 128K tokens para segmentar mejor las escrituras no latinas. A diferencia de LFM2-24B-A2B, LFM2.5-24B-A2B es un modelo orientado únicamente al razonamiento, que produce una cadena de pensamiento explícita antes de su respuesta final.
El preentrenamiento se extendió de aproximadamente 17T a unos 33T tokens. Luego viene un entrenamiento intermedio, con 2T tokens a 32K de contexto, privilegiando el razonamiento, las matemáticas, el código, el seguimiento de instrucciones y los textos multilingües, seguido de 300B tokens a 131K de contexto. La postformación transforma este modelo base en agente en cinco etapas: un ajuste fino supervisado (SFT), la especialización de modelos ‘profesores’, dos fases de destilación sobre política (MOPD), una en tareas no agentivas y otra en tareas agentivas, y finalmente un aprendizaje por refuerzo agentivo, realizado en entornos de agentes como OpenClaw, Hermes Agent, Pi y OpenCode.
Resultados anunciados frente a modelos más grandes
Liquid AI comparó su modelo con Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it y Nemotron-3.5-Lightning en 16 benchmarks que cubren el uso de herramientas, conocimientos, seguimiento de instrucciones, matemáticas y código. Según la empresa, LFM2.5-24B-A2B es el más pequeño del grupo, manteniéndose competitivo frente a modelos que disponen de aproximadamente un 50 % más de parámetros totales y activos. En LiveClaw, obtiene 48,09 frente a 38,19 de Qwen3.6-35B-A3B. En AutomationBench, alcanza 27,69, frente a 8,72 del mejor competidor de la tabla, según las cifras publicadas. También supera a los demás modelos en los tres benchmarks de seguimiento de instrucciones, incluidos IFEval (96,75) e IFBench (74,69). Los modelos más grandes mantienen la ventaja en pruebas que exigen amplios conocimientos, como GPQA Diamond, donde Qwen3.6-35B-A3B muestra 83,69 frente a 74,42, así como en código, por ejemplo SWE-Bench Verified (OpenCode), donde obtiene 66,20 frente a 51,00. Liquid AI recomienda por tanto acoplar este modelo a una búsqueda documental o a una búsqueda web para usos con fuerte componente de conocimientos. Las evaluaciones se realizaron con vLLM, según los parámetros de generación recomendados para cada benchmark.
En cuanto al rendimiento hardware, la empresa indica 184 tokens por segundo en un Apple M5 Max y 114 tokens por segundo en un Ryzen AI Max+ 395, es decir, hasta 1,7 veces más rápido que el siguiente modelo, consumiendo la menor cantidad de memoria. En una sola GPU NVIDIA B300, el modelo alcanza hasta 21K tokens de salida por segundo con alta concurrencia.
El modelo es compatible desde su lanzamiento con llama.cpp, MLX, vLLM, SGLang y ONNX. Para usarlo con un agente, basta con servirlo localmente detrás de una interfaz compatible con OpenAI, y luego indicar la dirección de este servidor en el agente, por ejemplo en el puerto 8080 para llama.cpp y MLX, o 8000 para vLLM.
