Liquid AI annonce LFM2.5-24B-A2B, un modèle de raisonnement de 24 milliards de paramètres dont seulement 2 milliards sont actifs à chaque token, conçu pour faire fonctionner des agents rapides et privés directement sur un appareil. Le modèle réfléchit avant de répondre, appelle des outils et enchaîne des tâches en plusieurs étapes au sein des environnements d’agents les plus utilisés. Son poids ouvert est disponible sur Hugging Face.
Le modèle reprend l’architecture de son prédécesseur, LFM2-24B-A2B, avec 40 couches, 64 experts par bloc MoE (mixture of experts, un type d’architecture où seule une partie du réseau est activée à chaque calcul) et un routage top-4. La fenêtre de contexte passe de 32K à 131K tokens, et le vocabulaire est étendu de 65K à 128K tokens afin de mieux découper les écritures non latines. Contrairement à LFM2-24B-A2B, LFM2.5-24B-A2B est un modèle uniquement orienté raisonnement, qui produit une chaîne de pensée explicite avant sa réponse finale.
Le pré-entraînement a été porté d’environ 17T à environ 33T tokens. Vient ensuite un entraînement intermédiaire, avec 2T tokens à 32K de contexte, privilégiant le raisonnement, les mathématiques, le code, le suivi d’instructions et les textes multilingues, puis 300B tokens à 131K de contexte. La post-formation transforme ce modèle de base en agent en cinq étapes : un réglage fin supervisé (SFT), la spécialisation de modèles « professeurs », deux phases de distillation sur politique (MOPD) l’une sur des tâches non agentiques, l’autre sur des tâches agentiques, et enfin un apprentissage par renforcement agentique, réalisé dans des environnements d’agents comme OpenClaw, Hermes Agent, Pi et OpenCode.
Des résultats annoncés face à des modèles plus grands
Liquid AI a comparé son modèle à Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning sur 16 benchmarks couvrant l’usage d’outils, les connaissances, le suivi d’instructions, les mathématiques et le code. Selon l’entreprise, LFM2.5-24B-A2B est le plus petit du groupe, tout en restant compétitif face à des modèles disposant d’environ 50 % de paramètres totaux et actifs en plus. Sur LiveClaw, il obtient 48,09 contre 38,19 pour Qwen3.6-35B-A3B. Sur AutomationBench, il atteint 27,69, contre 8,72 pour le meilleur concurrent du tableau, selon les chiffres publiés. Il devance également les autres modèles sur les trois benchmarks de suivi d’instructions, dont IFEval (96,75) et IFBench (74,69). Les modèles plus grands gardent l’avantage sur les tests exigeant de larges connaissances, comme GPQA Diamond, où Qwen3.6-35B-A3B affiche 83,69 contre 74,42, ainsi que sur le code, par exemple SWE-Bench Verified (OpenCode), où il obtient 66,20 contre 51,00. Liquid AI recommande donc de coupler ce modèle à une recherche documentaire ou à une recherche web pour les usages à forte composante de connaissances. Les évaluations ont été réalisées avec vLLM, selon les paramètres de génération recommandés pour chaque benchmark.
Sur le plan des performances matérielles, l’entreprise indique 184 tokens par seconde sur un Apple M5 Max et 114 tokens par seconde sur un Ryzen AI Max+ 395, soit jusqu’à 1,7 fois plus vite que le modèle suivant, tout en consommant le moins de mémoire. Sur un seul GPU NVIDIA B300, le modèle atteint jusqu’à 21K tokens de sortie par seconde à forte concurrence.
Le modèle est compatible dès sa sortie avec llama.cpp, MLX, vLLM, SGLang et ONNX. Pour l’utiliser avec un agent, il suffit de le servir localement derrière une interface compatible OpenAI, puis d’indiquer l’adresse de ce serveur dans l’agent, par exemple sur le port 8080 pour llama.cpp et MLX, ou 8000 pour vLLM.
