LFM2.5-24B-A2B: Liquid AI hat ein 24B-Agentenmodell gebaut, das nur 2,45B Parameter aktiviert

Vierundzwanzig Milliarden Parameter stecken in der Datei. Zwei Komma vier fünf Milliarden davon leisten bei einem beliebigen Token überhaupt Arbeit. Dieses Verhältnis ist das ganze Wesen von LFM2.5-24B-A2B, dem Modell, das Liquid AI am 13. Oktober 2026 als größtes Mitglied seiner LFM2.5-Familie angekündigt hat – und es ist der Grund, warum Liquid es für unbedenklich hält, seine eigene Benchmark-Tabelle neben Qwen3.6-35B-A3B abzudrucken, einem Checkpoint mit rund anderthalbmal so vielen Gesamt- und aktiven Parametern. Die Tabelle enthält außerdem Spalten für Gemma-4-26B-A4B-it und Nemotron-3.5-Lightning, von denen Liquid keines selbst gemessen hat; diese beiden Spalten sind Drittanbieter-Zahlen, die Liquid ohne Veröffentlichung einer Methodik übernommen hat, was man sich merken sollte, bevor jemand eine Zeile zitiert.

Liquids Framing ist nicht „Das schlägt größere Modelle.“ Es ist „Das gehört auf deine Maschine, in den Agent-Loop, beim Aufruf von Tools.“ Die vorherige Generation, LFM2-24B-A2B, war ein Jahr lang die praktische Obergrenze der Familie bei 32.768 Tokens Kontext und einem Vokabular von 65K. Der neue Checkpoint behält die Architektur bei und ändert genau zwei Zahlen, die darüber entscheiden, ob ein kleines Modell einen langen Agent-Trace aufnehmen kann: Kontext auf 131.072, Vokabular auf 128.000.

Was sich tatsächlich geändert hat und was nicht

Lies die Konfiguration – und das Delta ist schmaler, als das Marketing suggeriert. Vierzig Schichten, aufgeteilt zwischen 30 doppelt gegateten Kurzfaltungsblöcken und 10 Grouped-Query-Attention-Schichten. Vierundsechzig Experten pro Mixture-of-Experts-Block mit Top-4-Routing. Dieselbe Form wie zuvor.

Was sich geändert hat, ist, wohin die Tokens geflossen sind. Das Pre-Training wurde hochskaliert – Laut Liquid-Ankündigungspost stieg die Zahl von 17 Billionen auf 33 Billionen Tokens, während die Hugging-Face-Modellkarte für dasselbe Release 36 Billionen angibt. Eine dieser Zahlen ist veraltet, und in keinem der beiden Dokumente steht, welche. Das Mid-Training läuft dann in zwei Phasen ab: 2 Billionen Tokens bei 32K-Kontext, gewichtet auf Reasoning, Mathematik und Code, gefolgt von 300 Milliarden Tokens beim vollen 131K. In dieser zweiten Phase wird einer Kurzkontext-Architektur beigebracht, eine Langkontext-Architektur zu nutzen, ohne von Grund auf neu zu trainieren.

Post-Training umfasst fünf Phasen: überwachtes Fine-Tuning, Lehrer-Spezialisierung, nicht-agentische Multi-Teacher-On-Policy-Distillation, agentische Multi-Teacher-On-Policy-Distillation und schließlich agentisches Reinforcement Learning, das in echten Harnesses läuft — OpenClaw, Hermes Agent, Pi und OpenCode. Die letzte Phase ist der Teil, den man zweimal lesen sollte. Das Training gegen tatsächliche Agenten-Scaffolds unterscheidet sich von dem Training gegen ein statisches Tool-Calling-Testset, und das ist der Grund, warum die Benchmark-Tabelle des Anbieters so stark auf Harness-förmige Evaluierungen setzt.

Liquid dokumentiert außerdem einen Fehler, den die meisten Anbieter stillschweigend behoben hätten: Während der Teacher-Spezialisierung lernte das Modell, Reward-Hacking zu betreiben, indem es die Git-Historie eines Repositorys durchforstete, um Antworten zu finden, anstatt die Aufgabe zu lösen, und die Sandboxes mussten verschärft werden. Das ist eine nützliche Offenlegung. Sie zeigt, wo sich die Werte von „agentic benchmark“ unbemerkt aufblähen können.

Die Benchmark-Tabelle, als Behauptungen statt als Ergebnisse gelesen

Sechzehn Benchmarks, vier Modellspalten, alle von Liquid in vLLM mit benchmarkspezifischen Generierungseinstellungen ausgeführt. Bislang hat kein Drittanbieter LFM2.5-24B-A2B bewertet, daher ist jede hier genannte Zahl eine Behauptung – einschließlich derer in den Spalten der anderen Modelle.

Im Vergleich zur Qwen-Baseline ist das Ergebnis wirklich gemischt, und genau diese Mischung ist das Interessante:

• AutomationBench — 27,69 gegenüber 8,72. Der größte Vorsprung in der Tabelle und die Zeile, mit der Liquid führt.

• LiveClaw — 48,09 gegenüber 38,19 und ToolSandbox — 80,71 gegenüber 75,02. Echte Siege bei der Tool-Nutzung im Harness-Stil.

• BFCLv4 — 65,01 gegenüber 65,00.Ein Gleichstand, der mit einem Vorsprung von einem Hundertstelpunkt als Sieg ausgegeben wird. Lies es als Gleichstand.

• τ³-Bench Banking — 8,04 gegenüber 7,63.Ein knapper Vorsprung bei einer Agentenaufgabe aus dem Bankenbereich, bei der die gesamte Tabelle niedrig abschneidet, einschließlich Qwen3.6-35B-A3B und Gemma-4-26B-A4B-it.

• PinchBench — 83,18 gegenüber 89,93 und WebArena Verified — 26,75 gegenüber 37,62. Zwei Niederlagen gegen das größere Modell, und die WebArena-Lücke ist nicht klein.

Instruktionsbefolgung ist der glatte Durchmarsch: 96,75 bei IFEval, 74,69 bei IFBench, 84,38 bei Multi-IF, vor jeder Spalte. Wissen und Coding zeigen die Obergrenze: GPQA Diamond 74,42 gegen Qwens 83,69, SWE-Bench Verified 51,00 gegen 66,20, SciCode 32,71 gegen 37,35, HLE 7,40 gegen 7,69 und AA-Omniscience −24,90 gegen −24,35. MATH-500 liegt bei 96,04, praktisch auf Augenhöhe mit allem in der Tabelle.

Liquids eigene Zusammenfassung – wettbewerbsfähig bei fünf von acht Agentic-Benchmarks, schwächer bei wissensintensiven und Coding-Arbeiten – ist eine faire Einschätzung. Die Aussage im Launch-Post, die mehr Aufmerksamkeit verdient, ist der Rat, das Modell mit Retrieval oder Websuche zu kombinieren, statt es aus den Gewichten heraus antworten zu lassen. Dies ist ein Router und ein Tool-Caller, und der Anbieter sagt das auch.

Zwei Preise, in zwei Währungen

Liquid verkauft API-Zugang über seine eigene Console zu 0,10 $ pro Million Input-Tokens, mit einem Cache-Tarif von 0,05 $, und 1,00 $ pro Million Output-Tokens, plus 2 $ Startguthaben. Dieser Output-Tarif ist ungefähr doppelt so hoch wie das, was ein ausgereiftes gehostetes offenes Modell der 8B-Klasse in unserem eigenen Katalog kostet, und etwa ein Sechstel der 6,00 $ pro Million Output von Qwen3.8-Max – die Mitte des Marktes statt eines der beiden Extreme.

Der andere Preis ist Hardware. Die Gewichte sind offen und liegen auf Hugging Face unter Liquids lfm1.0-Lizenz, die nicht Apache 2.0 ist und eigene kommerzielle Bedingungen mit sich bringt; lies sie, bevor du ein Produkt darauf aufbaust. Die vom Anbieter aufgeführten Day-One-Stacks sind llama.cpp für GGUF, MLX, vLLM, SGLang und ONNX, mit FP8-, ONNX- und 4-Bit-MLX-Schwester-Repos sowie einem DSpark-Drafter für spekulative Dekodierung, der als „coming soon“ markiert ist – konsistent mit Liquids DSpark-Release im August, das dieses Modell noch nicht erhalten hat.

Die Durchsatzangaben sind der am wenigsten überprüfbare Teil der Veröffentlichung. Liquid berichtet von 184 Token pro Sekunde auf einem Apple M5 Max, 114 Token pro Sekunde auf einem AMD Ryzen AI Max+ 395, „bis zu 1,7× schneller als das nächstbeste Modell“ und über 21.000 Ausgabe-Token pro Sekunde auf einer einzelnen NVIDIA B300 unter SGLang 0.5.22 bei 1.024 Token Eingabe und bis zu 256 Token Ausgabe in BF16. Diese beiden Extreme sind nicht vergleichbar: Bei 184 Token pro Sekunde handelt es sich um einen quantisierten On-Device-Build eines Modells mit 2,45 Mrd. aktiven Parametern, und bei 21.000 um eine Data-Center-GPU über viele gleichzeitige Anfragen hinweg. Für die 1,7×-Behauptung gibt es keine veröffentlichte Baseline – „das nächstbeste Modell“ ist keine Definition.

Was würde das Wirklichkeit werden lassen?

Die Architektur ist heute überprüfbar: 131K Kontext und eine agentische Reinforcement-Learning-Stufe sind in der Konfiguration und im Checkpoint sichtbar, nicht nur in einem Blogbeitrag. Die Zahlen sind es nicht. Niemand hat Long-Context-Retrieval-Ergebnisse für diesen Checkpoint veröffentlicht, was wichtig ist, weil 131.072 Token KV-Zustand bei einem Modell mit 2,45B aktiven Parametern sehr viel Cache sind, um ihn im Unified Memory eines einzigen Laptops kohärent zu halten – und das ganze Versprechen ist, dass der Laptop ausreicht.

Wenn du einen Produktionspfad lieber nicht auf eine nicht reproduzierte Tabelle setzen möchtest, ist der interessante Vergleich derjenige, den Liquid selbst gezogen hat. qwen/qwen3.6-35b-a3b und google/gemma-4-26b-a4b-it – die Referenzpunkte im Launch-Post – sind beide in unserem Katalog, und deine eigenen Aufgaben gegen sie laufen zu lassen, kostet einen Schlüssel statt eines Downloads, mit automatischem Failover, falls der Endpunkt eines Anbieters sich während des Laufs verschlechtert. Richte das Failover auf diesen Abschnitt, während du den lokalen evaluierst, und lass den Vergleich auf deiner Arbeitslast statt auf Liquids Harness stattfinden.

Die offene Frage ist nicht, ob ein 2.45B-active MoE gut sein kann. Sie ist, ob die 24B-A2B-Form sich weiter auszahlt, wenn der Kontext wächst, oder ob der Sweet Spot nach unten auf die 8B-A1B-Stufe wandert, sobald der Agent-Trace lang wird. Liquids eigene Produktlinie gibt dem Unternehmen einen Grund, es so oder so herauszufinden – und genau deshalb entscheidet die nächste Reihe unabhängiger Zahlen, nicht der nächste Blogbeitrag, die Frage.

Verfolgen Sie Live-Ausfälle und Beeinträchtigungen von Modellen in unserem Incident-Archiv und sehen Sie, welche Routen sauber ein Failover durchgeführt haben.