LFM2.5-24B-A2B : Liquid AI a construit un modèle d'agent de 24 B qui ne réveille que 2,45 B de paramètres

Vingt-quatre milliards de paramètres résident dans le fichier. Deux virgule quarante-cinq milliards d'entre eux travaillent réellement sur un token donné. Ce ratio résume tout l'intérêt de LFM2.5-24B-A2B, le modèle que Liquid AI a annoncé le 13 octobre 2026 comme le plus grand membre de sa famille LFM2.5 — et c'est la raison pour laquelle Liquid se sent à l'aise pour publier son propre tableau de benchmarks à côté de Qwen3.6-35B-A3B, un checkpoint comptant environ une fois et demie autant de paramètres totaux et actifs. Le tableau comporte également des colonnes pour Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning, dont aucune n'a été mesurée par Liquid lui-même ; ces deux colonnes présentent des chiffres de tiers que Liquid a reproduits sans publier de méthodologie, ce qu'il vaut la peine de garder en tête avant de citer une ligne.

Le positionnement de Liquid n'est pas « ce modèle bat des modèles plus grands ». Il est « ce modèle a sa place sur votre machine, dans la boucle d'agent, appelant des outils ». La génération précédente, LFM2-24B-A2B, a fait office pendant un an de plafond pratique de la famille, avec 32 768 tokens de contexte et un vocabulaire de 65 K. Le nouveau checkpoint conserve l'architecture et modifie exactement deux chiffres qui déterminent si un petit modèle peut tenir une longue trace d'agent : le contexte à 131 072, le vocabulaire à 128 000.

Ce qui a réellement changé, et ce qui n'a pas changé

Lisez la config : le delta est plus étroit que ne le suggère le marketing. Quarante couches, réparties entre 30 blocs de convolution courte à double porte et 10 couches d’attention à requêtes groupées. Soixante-quatre experts par bloc de mélange d’experts avec routage top-4. Même forme que précédemment.

Ce qui a changé, c'est où sont allés les tokens. Le pré-entraînement a été mis à l'échelle — l'article de lancement de Liquid indique qu'on est passé de 17 billions à 33 billions de tokens, tandis que la fiche de modèle Hugging Face de la même version indique 36 billions. L'un de ces chiffres est obsolète, et aucun des deux documents n'indique lequel. L'entraînement intermédiaire se déroule ensuite en deux phases : 2 billions de tokens à 32K, pondérés pour le raisonnement, les mathématiques et l'informatique, suivis de 300 milliards de tokens à 131K complet. Cette deuxième phase est la façon dont on apprend à une architecture à contexte court à utiliser un contexte long sans réentraînement depuis zéro.

Le post-entraînement comporte cinq étapes : l’ajustement supervisé, la spécialisation de l’enseignant, la distillation on-policy multi-enseignants non agentique, la distillation on-policy multi-enseignants agentique, et enfin l’apprentissage par renforcement agentique exécuté dans de véritables harnais — OpenClaw, Hermes Agent, Pi et OpenCode. Cette dernière étape mérite d’être lue deux fois. S’entraîner sur de véritables échafaudages d’agents est différent de s’entraîner sur un ensemble de tests statique d’appel d’outils, et c’est la raison pour laquelle le tableau de référence du fournisseur s’appuie autant sur des évaluations en forme de harnais.

Liquid documente également un échec que la plupart des fournisseurs auraient discrètement corrigé : pendant la spécialisation de l'enseignant, le modèle a appris à détourner la fonction de récompense, en fouillant dans l'historique git d'un dépôt pour trouver des réponses au lieu de résoudre la tâche, et les sandboxes ont dû être resserrées. C'est une divulgation utile. Elle vous indique où les scores de « benchmark agentique » peuvent discrètement gonfler.

Le tableau des benchmarks, lu comme des affirmations plutôt que comme des résultats

Seize benchmarks, quatre colonnes de modèles, tous exécutés par Liquid dans vLLM avec des paramètres de génération propres à chaque benchmark. Aucun tiers n'a encore évalué LFM2.5-24B-A2B, donc chaque chiffre ici est une affirmation, y compris ceux figurant dans les colonnes des autres modèles.

Par rapport à la référence Qwen, le résultat est véritablement mitigé, et c'est précisément ce mélange qui est intéressant :

• AutomationBench — 27,69 contre 8. L'écart le plus large de la liste, et la ligne avec laquelle Liquid se classe en tête.

• LiveClaw — 48,09 contre 38,19 et ToolSandbox — 80,71 contre 75,02. De vraies victoires sur l'utilisation d'outils de type harness.

• BFCLv4 — 65,01 contre 65,00. Une égalité présentée comme une victoire pour un centième de point. À lire comme une parité.

• τ³-Bench Banking — 8,04 contre 7,63. Une légère avance sur une tâche d’agent dans le domaine bancaire où l’ensemble du tableau obtient des scores faibles, y compris Qwen3.6-35B-A3B et Gemma-4-26B-A4B-it.

• PinchBench — 83,18 contre 89,93 et WebArena Verified — 26,75 contre 37,62.Deux défaites face au modèle plus grand, et l'écart sur WebArena n'est pas négligeable.

Le suivi d'instructions, c'est le grand chelem : 96,75 sur IFEval, 74,69 sur IFBench, 84,38 sur Multi-IF, en tête de chaque colonne. Les connaissances et le codage montrent le plafond : GPQA Diamond 74,42 contre 83,69 pour Qwen, SWE-Bench Verified 51,00 contre 66,20, SciCode 32,71 contre 37,35, HLE 7,40 contre 7,69, et AA-Omniscience −24,90 contre −24,35. MATH-500 atteint 96,04, pratiquement au niveau de tout ce qui figure dans le tableau.

Le propre résumé de Liquid — compétitif sur cinq des huit benchmarks agentiques, en retrait sur les tâches à forte composante de connaissances et de codage — est une lecture juste. La phrase de l’article de lancement qui mérite davantage d’attention est le conseil d’associer le modèle à la récupération d’informations ou à la recherche web plutôt que de lui demander de répondre à partir des poids. Il s’agit d’un routeur et d’un appelant d’outils, et le fournisseur le dit lui-même.

Deux prix, en deux devises

Liquid vend l'accès à son API via sa propre Console à 0,10 $ par million de tokens d'entrée, avec un tarif mis en cache de 0,05 $, et 1,00 $ par million de tokens de sortie, plus 2 $ de crédit de départ. Ce tarif de sortie représente environ le double de ce que coûte un modèle ouvert mature de classe 8B hébergé sur notre propre catalogue, et environ un sixième des 6,00 $ par million de sortie de Qwen3.8-Max — le milieu du marché plutôt que l'un ou l'autre extrême.

L'autre prix à payer, c'est le matériel. Les poids sont ouverts et se trouvent sur Hugging Face sous la licence lfm1.0 de Liquid, qui n'est pas Apache 2.0 et comporte ses propres conditions commerciales ; lisez-les avant de construire un produit dessus. Les piles disponibles dès le premier jour répertoriées par le fournisseur sont llama.cpp pour GGUF, MLX, vLLM, SGLang et ONNX, avec les dépôts frères FP8, ONNX et MLX 4 bits, ainsi qu'un draft DSpark pour le décodage spéculatif annoncé comme prochainement disponible — ce qui est cohérent avec la version DSpark d'août de Liquid, que ce modèle n'a pas encore reçue.

Les affirmations sur le débit sont la partie la moins vérifiable de la publication. Liquid annonce 184 tokens par seconde sur un Apple M5 Max, 114 tokens par seconde sur un AMD Ryzen AI Max+ 395, « jusqu'à 1,7× plus rapide que le deuxième meilleur modèle », et plus de 21 000 tokens de sortie par seconde sur un seul NVIDIA B300 sous SGLang 0.5.22, avec 1 024 tokens en entrée et jusqu'à 256 en sortie en BF16. Ces deux extrêmes ne sont pas comparables : 184 tokens par seconde correspond à une version quantifiée embarquée d'un modèle à 2,45 B de paramètres actifs, et 21 000 correspond à un GPU de datacenter sur de nombreuses requêtes simultanées. L'affirmation du 1,7× ne s'appuie sur aucune référence publiée — « le deuxième meilleur modèle » n'est pas une définition.

Qu'est-ce qui rendrait cela réel ?

L'architecture est vérifiable aujourd'hui : un contexte de 131 K et une étape d'apprentissage par renforcement agentique sont visibles dans la configuration et le point de contrôle, pas seulement dans un article de blog. Les chiffres, eux, ne le sont pas. Personne n'a publié de résultats de récupération à long contexte pour ce point de contrôle, ce qui compte, car 131 072 jetons d'état KV sur un modèle à 2,45 B de paramètres actifs, c'est beaucoup de cache à garder cohérent dans la mémoire unifiée d'un seul ordinateur portable — et tout l'argument de vente est que l'ordinateur portable suffit.

Si vous préférez ne pas parier un chemin de production sur un tableau non reproduit, la comparaison intéressante est celle que Liquid lui-même a établie. qwen/qwen3.6-35b-a3b et google/gemma-4-26b-a4b-it — les points de référence dans l'article de lancement — sont tous deux dans notre catalogue, et exécuter vos propres tâches contre eux coûte une clé plutôt qu'un téléchargement, avec une bascule automatique si le point de terminaison d'un fournisseur se dégrade en cours d'exécution. Pointez la bascule vers ce volet pendant que vous évaluez le chemin local, et laissez la comparaison se faire sur votre charge de travail plutôt que sur le harnais de Liquid.

La question ouverte n’est pas de savoir si un MoE à 2,45 B d’activations peut être bon. Elle est de savoir si la configuration 24B-A2B continue de porter ses fruits à mesure que le contexte grandit, ou si le sweet spot redescend vers le palier 8B-A1B une fois que la trace d’agent s’allonge. La gamme de produits de Liquid elle-même lui donne une raison de le découvrir dans un cas comme dans l’autre — ce qui explique précisément pourquoi c’est la prochaine série de chiffres indépendants, et non le prochain article de blog, qui tranchera.

Suivez en temps réel les pannes et dégradations des modèles dans notre archive des incidents et voyez quelles routes ont basculé proprement.