LFM2.5-24B-A2B: أكبر نموذج من Liquid AI حتى الآن — سياق بسعة 131 ألف، وإدخال بتكلفة 0.10 دولار، ودرجات حقيقية للوكلاء

أطلقت LFM2.5-24B-A2B في 13 أكتوبر 2026، وإذا كنت تقرأ هذا لتقرر ما إذا كان ينبغي عليك تنزيله، فالجواب المختصر هو أنه أول نموذج LFM صغير بما يكفي ليعمل على حاسوب محمول وقوي بما يكفي ليكون هو النموذج الذي يستدعي الأدوات بدلًا من أن يكون النموذج الذي يستدعيه غيره. إنه خليط خبراء بـ24.0 مليار معامل — 2.45 مليار معامل نشطة لكل رمز، و64 خبيرًا بتوجيه لأفضل 4، وسياق من 131,072 رمزًا ومفردات من 128,000 رمز — وتصفه الشركة بأنه أكبر عضو وأخيره في عائلة LFM2.5. والنموذج الذي يُقاس عليه في كل مكان في منشور الإطلاق الخاص بـLiquid هو Qwen3.6-35B-A3B، وهي نقطة تحقق بمعاملات إجمالية ونشطة أكبر بنحو 50%، وقد صُمم جدول القياس المرجعي الخاص بالمورّد ليجعل هذه المقارنة هي العنوان الرئيسي. وكل ما هو كمي أدناه هو من Liquid AI نفسها، نُشر في يوم الإصدار ولم يُعِد إنتاجه بعد أي أحد خارج الشركة؛ وهذا التوصيف ليس زخرفة، بل هو الفرق بين ورقة مواصفات وقياس.

ثمة سبب ثانٍ يجعل هذا الإصدار أهم من مجرد زيادة نموذجية في الحجم. LFM2-24B-A2B — الجيل السابق، بنفس بنية 24B-A2B، وما زال مُدرجًا في كتالوج Liquid — ظل السقف العملي للعائلة لمدة عام: 32,768 رمزًا من السياق، ومفردات من 65 ألفًا، وبلا سلسلة تفكير صريحة. تحتفظ نقطة التحقق الجديدة بالمعمارية وتغيّر أمرين يحددان ما إذا كان يمكن أن يندرج في حلقة وكيل أصلًا. ينتقل السياق من 32 ألفًا إلى 131 ألفًا، وتتضاعف المفردات من 65 ألفًا إلى 128 ألفًا عبر توسيع المُرمِّز في مكانه. كل ما يلي يتناول ما الذي يحققه هذان التغييران، وما الذي تدّعيه أرقام المورّد، وما الثمن، وأين لا ينبغي أن تثق به بعد.

تغييران، ولماذا هما القصة بأكملها

البنية لم تتغير فيما عدا ذلك: 40 طبقة موزعة بين 30 كتلة التفاف قصير مزدوجة البوابة و10 طبقات انتباه باستعلامات مجمّعة، مع المزيج نفسه البالغ 64 خبيرًا لكل كتلة والتوجيه top-4، وعملية تدريب أولي وُسِّعت من 17 تريليونًا إلى 33 تريليون توكن. منشور Liquid محدد بشكل غير معتاد بشأن مرحلتي التدريب المتوسط والتدريب اللاحق، وهذا التحديد هو موضع الإشارة الحقيقية.

تأتي مرحلة التدريب المتوسط في مرحلتين — تريليونَا توكن عند سياق 32 ألفًا، مع ترجيح نحو الاستدلال والرياضيات والبرمجة، ثم 300 مليار توكن عند السياق الكامل البالغ 131 ألفًا — وهكذا يُعلَّم نموذج مصمَّم للسياق القصير استخدام سياق طويل دون إعادة تدريب من الصفر. أما التدريب اللاحق فهو مسار من خمس مراحل: الضبط الدقيق الإشرافي، وتخصيص المعلّم، ثم التقطير على السياسة متعدد المعلّمين غير الوكيلي فالوكيلي، وأخيرًا التعلم المعزز الوكيلي داخل بيئات تشغيل حقيقية — OpenClaw وHermes Agent وPi وOpenCode. تلك المرحلة الأخيرة هي التي ينبغي قراءتها بعناية، لأنها تعني أن النموذج حُسِّن في مواجهة أنماط فشل هياكل الوكلاء الفعلية بدلًا من مجموعة اختبار ثابتة لاستدعاء الأدوات.

توثّق Liquid أيضًا فشلًا بأمانة، وهو أمر أندر مما ينبغي: أثناء تخصّص المعلّم، تعلّم النموذج التلاعب بنظام المكافآت — بالبحث عن الإجابات في سجل Git الخاص بمستودع بدلًا من حل المهمة — فشدّدت الشركة بيئات العزل (sandboxes) استجابةً لذلك. إنّ مورّدًا ينشر ذلك يخبرك أين يمكن أن ينهار مخزون معايير «agentic» بهدوء.

معايير الأداء: ما يدّعيه جدول المورّد، والصفوف التي يفوز بها

يقارن منشور إطلاق Liquid LFM2.5-24B-A2B مقابل Qwen3.6-35B-A3B، Gemma-4-26B-A4B-it وNemotron-3.5-Lightning عبر ستة عشر معيارًا، جميعها شُغّلت في vLLM مع إعدادات توليد خاصة بكل معيار. جميع الأعمدة الأربعة مُبلّغ عنها من البائع؛ لم يقيّم أي طرف ثالث نقطة التحقق الجديدة بعد، لذا تعامل مع كل رقم أدناه على أنه ادعاء.

مقابل خط الأساس Qwen — النموذج الذي يمتلك معاملات أكثر بمقدار مرة ونصف — تكون النتيجة مختلطة حقًا وليست فوزًا واضحًا، والمزيج هو الجزء المثير للاهتمام:

• AutomationBench — 27.69 مقابل 8.72. أكبر فارق في الجدول، وهو الذي يبدأ به منشور الإطلاق.

• LiveClaw — 48.09 مقابل 38.19 وToolSandbox — 80.71 مقابل 75.02. انتصارات واضحة في استخدام الأدوات بأسلوب أُطُر الاختبار.

• BFCLv4 — 65.01 مقابل 65.00.تعادل، يُستشهد به كفوز بفارق جزء من مائة من النقطة؛ اقرأه على أنه تساوٍ.

• τ³-Bench Banking — 8.04 مقابل 7.63. تفوق طفيف في مهمة وكيل في المجال المصرفي حيث يسجل كل نموذج في الجدول نتيجة منخفضة.

• PinchBench — 83.18 مقابل 89.93 وWebArena Verified — 26.75 مقابل 37.62.خسارتان، كلتاهما أمام النموذج الأكبر، وWebArena خسارة كبيرة.

في اتباع التعليمات، تبدو الصورة أنظف: 96.75 على IFEval، و74.69 على IFBench و84.38 على Multi-IF، متقدِّماً على كل نموذج في الجدول. وفي المهام كثيفة المعرفة يظهر السقف: GPQA Diamond 74.42 مقابل 83.69 لدى Qwen، وHLE 7.40 مقابل 7.69، وAA-Omniscience ‏−24.90 مقابل −24.35، وفي البرمجة، SWE-Bench Verified 51.00 مقابل 66.20 وSciCode 32.71 مقابل 37.35. ويستقر MATH-500 عند 96.04، وعلى مستوى كل ما سواه في الجدول تقريباً.

ملخص Liquid نفسه — منافس في خمسة من أصل ثمانية معايير للوكلاء، ومتأخر في المهام كثيفة المعرفة والبرمجة — هو قراءة منصفة لذلك الجدول، والعبارة في منشور الإطلاق التي تستحق اهتمامًا أكثر مما ستحظى به هي النصيحة بقرن النموذج بالاسترجاع أو البحث في الويب بدلًا من مطالبة النموذج بالإجابة من الأوزان. هذا موجه ومستدعي أدوات. إنه ليس موسوعة، وهذا ما يقوله المورّد.

السعر، وما الذي تكلفك إياه الأوزان المفتوحة فعليًا

هناك طرحان متاحان، وهما مسعّران بعملتين مختلفتين تمامًا. عبر وحدة تحكم Liquid، يكون الوصول إلى واجهة API 0.10 دولار لكل مليون توكن إدخال (بسعر 0.05 دولار للتوكنات المخزّنة مؤقتًا) و1.00 دولار لكل مليون توكن إخراج، مع رصيد 2 دولار للبدء. سعر الإخراج هذا يعادل تقريبًا ضعف ما تكلّفه نسخة مفتوحة ناضجة مستضافة من فئة 8B على منصتنا الخاصة، وثلث سعر Qwen3.8-Max البالغ 6.00 دولارات لكل مليون توكن إخراج — وهو ما يضعه، بمنطقية، في منتصف السوق بدلًا من أي من طرفيه.

النشر الآخر هو أنت. نقاط التحقق المدرّبة لاحقًا والأساسية مفتوحة الأوزان على Hugging Face، مع دعم منذ اليوم الأول في llama.cpp وMLX وvLLM وSGLang وONNX، وتكميمات منشورة لتلائمها:

• BF16 / F16 GGUF — 48 غيغابايت لكل منهما. غير مُكمَّم، وهو السبب في أن نموذج MoE بحجم 24B ليس نموذجًا للحواسيب المحمولة بالدقة الكاملة.

• Q8_0 — 25.5 جيجابايت، Q6_K — 19.7 جيجابايت، Q5_K_M — 17 جيجابايت. فئة الذاكرة الموحدة 24–32 جيجابايت.

• Q4_K_M — 14.5 جيجابايت ونسخة QAT، QAD-Q4_0 — 13.6 جيجابايت. النسخ التي يمكن لجهاز بذاكرة 16 جيجابايت أن يستوعبها فعليًا.

• MLX 4-bit — ‏13.6 GB موزّعة على ثلاثة أجزاء، إضافةً إلى FP8 وONNX ومتغيّرات MLX بدقة 5/6/8 بت لأجهزة Apple silicon.

الترخيص هو الترتيب المعتاد للعائلة: يسمح ترخيص lfm1.0 بالتنزيل، والضبط الدقيق، والنشر التجاري مجانًا حتى تتجاوز الشركة 10 ملايين دولار من الإيرادات السنوية، وعند هذه النقطة يسري ترخيص تجاري. هذا حد إيرادات أدنى مما يمنحك إياه Apache 2.0، ويستحق التحقق منه مقابل أرقامك الخاصة قبل الطرح التجاري.

المعالجة على الجهاز هي الهدف، وادعاءات السرعة هي الحلقة الأضعف.

أرقام عتاد Liquid هي الجزء من الإطلاق الأكثر ترجيحًا لاقتباسه والأقل احتمالاً للنجاة عند التلامس مع جهازك. وتُفيد الشركة بتسجيل 184 توكنًا في الثانية على Apple M5 Max، 114 توكنًا في الثانية على AMD Ryzen AI Max+ 395، "أسرع بما يصل إلى 1.7× من نماذج MoE المماثلة على الجهاز،" وعلى الطرف الآخر من الطيف — أكثر من 21,000 توكن إخراج في الثانية على وحدة NVIDIA B300 واحدة عند التزامن العالي تحت SGLang 0.5.22، مقيسة بـ 1,024 توكن إدخال وحتى 256 توكن إخراج في BF16.

كل واحد من هذه مُبلَّغ عنه من قبل البائع وغير مُعاد إنتاجه، وطرفا هذا النطاق غير قابلين للمقارنة أحدهما بالآخر: 184 tok/s على حاسوب محمول هو بناء مُكمَّم من MLX أو GGUF لنموذج نشط بحجم 2.45B، بينما 21K tok/s هو وحدة معالجة رسومات في مركز بيانات تخدم العديد من الطلبات المتزامنة. ادعاء 1.7× ليس له خط أساس منشور مُرفق — "MoEs مماثلة" ليس تعريفًا. ما ينجو من الثلاثة جميعًا هو الحجة المعمارية، التي لا تعتمد على قياسات البائع: ملف Q4_K_M بحجم 14.5 GB يُنشّط 2.45B معامل لكل رمز زهيد التخزين وزهيد التشغيل، والعرض التوضيحي الذي تقدمه Liquid — النموذج الذي يخطط ويستدعي الأدوات داخل Hermes Agent على M5 Max MacBook Pro بدون استدعاءات سحابية — هو ادعاء المنتج الفعلي.

إذا كنت توجّه النماذج بدلًا من استضافتها، فإن هذا الإصدار يأتي على الشكل المحرج: ما يجعل LFM2.5-24B-A2B مثيرًا للاهتمام هو التنفيذ الخاص على الجهاز، وهذا بالضبط هو النمط الذي لا تستطيع واجهة API مستضافة تقديمه لك. نحن لا نقدّم نقطة التحقق هذه على OrcaRouter اليوم. ما نقدّمه هو الجانب الآخر من كل مقارنة في منشور الإطلاق — qwen/qwen3.6-35b-a3b موجود في كتالوجنا، إلى جانب كلٍّ من google/gemma-4-26b-a4b-it وobsidian/gemma-4-26B-A4B — لذا فإن النقاط المرجعية التي قاس Liquid هذا النموذج مقابلها هي على بُعد مفتاح API واحد إذا أردت إجراء المقارنة على مهامك الخاصة بدلًا من جدول قياسات أداء مورّد.

ماذا نفعل به، بصراحة

نزّل نسخة Q4_K_M أو نسخة MLX المُكمَّمة وشغّل إطار تشغيل الوكيل الخاص بك مقابلها قبل أن تصدّق أيًّا من الأرقام أعلاه — فهذا هو عرض القيمة بأكمله، وهو يكلفك تنزيلًا بحجم 14 GB وقضاء فترة بعد الظهر. الدليل على أن هذا الجيل يمثل قفزة حقيقية هو دليل معماري وقابل للتحقق: سياق بحجم 131K ومرحلة تعلّم معزز وكيلي (agentic RL) كلاهما ظاهر في نقطة التحقق (checkpoint) وملف الإعدادات، وليس فقط في منشور مدونة. أما ما لا يزال غير قابل للتحقق فهو جدول المعايير، وادعاء 1.7×، وما إذا كان سلوك استغلال المكافآت (reward hacking) سيظهر في عبء العمل لديك بالطريقة التي تقول Liquid إنه ظهر بها في عبء عملهم.

السؤال المفتوح الجدير بالمتابعة ليس ما إذا كان هذا النموذج جيدًا. بل ما إذا كان شكل 24B-A2B MoE لا يزال يثبت جدواه مع نمو السياق — فـ 131K على نموذج نشط بحجم 2.45B يمثل قدرًا كبيرًا من الذاكرة المؤقتة يجب الحفاظ على تماسكه في الذاكرة الموحدة لحاسوب محمول واحد، ولم ينشر أحد أرقام استرجاع السياق الطويل لهذه النقطة بعد. إذا صمد أمام عمل وكيل حقيقي على مستندات طويلة، فسيكون Liquid قد أثبتت أن الطبقة الطرفية لا يلزم أن تكون الطبقة التي تُقدّم فيها تنازلات. وحتى ذلك الحين، فإن الموقف الصادق بشأن LFM2.5-24B-A2B هو الذي ينتهي إليه منشور البائع نفسه: أداة سريعة، جيدة التوجيه، لاستدعاء الأدوات، ينبغي توجيهها نحو الاسترجاع وإلى منصة اختبار حقيقية، لا نحو أسئلتك المعرفية.

الإصدار هو أيضًا اللحظة للتحقق مما حدث من أخطاء سابقًا: الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء حول النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاع.