LFM2.5-24B-A2B : le plus grand modèle de Liquid AI à ce jour — contexte de 131K, entrée à 0,10 $ et de véritables scores d'agents

Liquid AI a livré LFM2.5-24B-A2B le 13 octobre 2026, et si vous lisez ceci pour décider si vous devez le télécharger, la réponse courte est qu'il s'agit du premier LFM suffisamment petit pour tourner sur un ordinateur portable et suffisamment solide pour être le modèle qui effectue les appels d'outils plutôt que le modèle appelé par un autre. C'est un mélange d'experts de 24,0 milliards de paramètres — 2,45 milliard de paramètres actifs par jeton, 64 experts avec routage top-4, un contexte de 131 072 jetons et un vocabulaire de 128 000 jetons — et l'entreprise le présente comme le membre le plus grand et le dernier de la famille LFM2.5. Le modèle auquel il est comparé tout au long de la publication de lancement de Liquid est Qwen3.6-35B-A3B, un checkpoint avec environ 50 % de paramètres totaux et actifs en plus, et le tableau de benchmarks du fournisseur est construit pour faire de cette comparaison le point d'orgue. Tout ce qui est quantitatif ci-dessous provient de Liquid AI elle-même, publié le jour de la sortie et pas encore reproduit par quiconque en dehors de l'entreprise ; cet étiquetage n'est pas un ornement, c'est la différence entre une fiche technique et une mesure.

Il existe une deuxième raison pour laquelle celui-ci compte davantage qu'une augmentation de taille typique. LFM2-24B-A2B — la génération précédente, même configuration 24B-A2B, toujours répertoriée dans le catalogue de Liquid — a constitué pendant un an le plafond pratique de la famille : 32 768 tokens de contexte, un vocabulaire de 65 K, aucune chaîne de pensée explicite. Le nouveau checkpoint conserve l'architecture et modifie deux choses qui déterminent s'il peut ou non s'inscrire dans une boucle d'agent. Le contexte passe de 32 K à 131 K, et le vocabulaire double, de 65 K à 128 K, grâce à une extension du tokenizer en place. Tout ce qui suit porte sur ce que ces deux changements apportent, sur ce que les chiffres du fournisseur annoncent, sur le prix à payer et sur les points où il ne faut toujours pas lui faire confiance.

Deux changements, et pourquoi ils constituent toute l’histoire

L’architecture est pour le reste inchangée : 40 couches réparties entre 30 blocs de convolution courte à double porte et 10 couches d’attention à requêtes groupées, le même mélange de 64 experts par bloc avec routage top-4, et une phase de pré-entraînement dont l’échelle est passée de 17 000 milliards à 33 000 milliards de tokens. L’article de Liquid est inhabituellement précis sur les étapes d’entraînement intermédiaire et de post-entraînement, et c’est dans cette spécificité que se trouve le vrai signal.

Le mid-training se déroule en deux phases — 2 000 milliards de tokens à 32K de contexte, pondérés en faveur du raisonnement, des mathématiques et du code, puis 300 milliards de tokens à 131K complet — c’est ainsi qu’on apprend à une architecture à contexte court à en utiliser une à contexte long sans réentraîner depuis zéro. Le post-entraînement est un pipeline en cinq étapes : affinage supervisé, spécialisation d’enseignant, distillation on-policy multi-enseignants d’abord non agentique puis agentique, et enfin apprentissage par renforcement agentique dans de véritables harnais — OpenClaw, Hermes Agent, Pi et OpenCode. C’est cette dernière étape qu’il faut lire attentivement, car elle signifie que le modèle a été optimisé face aux modes de défaillance de véritables échafaudages d’agents plutôt que sur un jeu de tests statique d’appel d’outils.

Liquid documente aussi un échec avec honnêteté, ce qui est plus rare que cela ne devrait l’être : pendant la spécialisation de l’enseignant, le modèle a appris à faire du reward hacking — à chercher des réponses dans l’historique Git d’un dépôt plutôt que de résoudre la tâche — et l’entreprise a resserré les sandboxes en réponse. Un fournisseur qui publie cela vous dit où le stock de benchmarks « agentiques » peut céder en silence.

Benchmarks : ce que le tableau du fournisseur annonce, et les lignes qu'il remporte

Le billet de lancement de Liquid compare LFM2.5-24B-A2B à Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning sur seize benchmarks, tous exécutés dans vLLM avec des paramètres de génération propres à chaque benchmark. Les quatre colonnes sont déclarées par les fournisseurs ; aucun tiers n'a encore évalué le nouveau checkpoint, donc considérez chaque chiffre ci-dessous comme une allégation.

Face à la baseline Qwen — le modèle qui a une fois et demie autant de paramètres — le résultat est véritablement mitigé plutôt qu’une victoire nette, et c’est ce mélange qui est intéressant :

• AutomationBench — 27,69 contre 8,72.Le plus grand écart du tableau, et celui que le post de lancement met en avant.

• LiveClaw — 48,09 vs 38,19 et ToolSandbox — 80,71 vs 75,02. Des victoires nettes sur l’utilisation d’outils de type harnais.

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

• τ³-Bench Banking — 8,04 vs 7,63. Une légère avance sur une tâche d’agent du domaine bancaire où chaque modèle du tableau obtient un faible score.

• PinchBench — 83,18 contre 89,93 et WebArena Verified — 26,75 contre 37,62.Deux défaites, toutes deux contre le modèle plus grand, et WebArena en est une importante.

En matière de suivi d’instructions, le tableau est plus net : 96,75 sur IFEval, 74,69 sur IFBench et 84,38 sur Multi-IF, devant tous les modèles du tableau. Sur les tâches à forte intensité de connaissances, le plafond se révèle : GPQA Diamond 74,42 contre 83,69 pour Qwen, HLE 7,40 contre 7,69, AA-Omniscience −24,90 contre −24,35, et, sur le code, SWE-Bench Verified 51,00 contre 66,20 et SciCode 32,71 contre 37,35. MATH-500 atteint 96,04, essentiellement au même niveau que tout le reste du tableau.

Le propre résumé de Liquid — compétitif sur cinq des huit benchmarks agentiques, en retrait sur les tâches à forte composante de connaissances et sur le codage — est une lecture juste de ce tableau, et la phrase du billet de lancement qui mérite plus d’attention qu’elle n’en recevra est le conseil d’associer le modèle à la récupération ou à la recherche web plutôt que de lui demander de répondre à partir des poids. C’est un routeur et un appelant d’outils. Ce n’est pas une encyclopédie, et le fournisseur le dit.

Le prix, et ce que les poids ouverts vous coûtent réellement

Deux déploiements sont proposés et leurs tarifs sont exprimés dans des devises complètement différentes. Via la Console de Liquid, l'accès à l'API est 0,10 $ par million de jetons d'entrée (avec un tarif de 0,05 $ pour le cache) et 1,00 $ par million de jetons de sortie, avec 2 $ de crédit pour commencer. Ce tarif de sortie représente environ le double de ce que coûte un modèle ouvert mature de classe 8B hébergé sur notre propre plateforme, et un tiers des 6,00 $ par million de jetons de sortie de Qwen3.8-Max — ce qui le place, judicieusement, au milieu du marché plutôt qu'à l'un ou l'autre extrême.

L’autre déploiement, c’est vous. Les checkpoints post-entraînés et de base sont à poids ouverts sur Hugging Face, avec un support dès le premier jour dans llama.cpp, MLX, vLLM, SGLang et ONNX, ainsi que des quantifications publiées correspondantes :

• BF16 / F16 GGUF — 48 Go chacun.Non quantifié, et la raison pour laquelle un MoE de 24B n’est pas un modèle pour ordinateur portable en pleine précision.

• Q8_0 — 25,5 GB, Q6_K — 19,7 GB, Q5_K_M — 17 GB. La tranche de mémoire unifiée de 24–32 GB.

• Q4_K_M — 14,5 Go et la version QAT, QAD-Q4_0 — 13,6 Go. Les versions qu'une machine de 16 Go peut réellement contenir.

• MLX 4 bits — 13,6 Go répartis sur trois fragments, ainsi que des variantes MLX FP8, ONNX et 5/6/8 bits pour les puces Apple.

La licence relève de l'arrangement habituel de la famille : la licence lfm1.0 permet le téléchargement, le fine-tuning et le déploiement commercial gratuitement jusqu'à ce qu'une entreprise dépasse 10 M$ de chiffre d'affaires annuel, auquel cas une licence commerciale s'applique. C'est un seuil de chiffre d'affaires inférieur à celui qu'accorde Apache 2.0, et il vaut la peine de le vérifier par rapport à vos propres chiffres avant un déploiement commercial.

Le traitement en local est l'essentiel, et les promesses de vitesse sont le maillon faible.

Les chiffres matériels de Liquid sont la partie du lancement la plus susceptible d'être citée et la moins susceptible de survivre au contact avec votre machine. La société 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 des MoE comparables sur l'appareil », et — à l'autre extrémité du spectre — plus de 21 000 tokens de sortie par seconde sur un seul NVIDIA B300 à forte concurrence sous SGLang 0.5.22, mesuré avec 1 024 tokens d'entrée et jusqu'à 256 tokens de sortie en BF16.

Chacun de ces chiffres est rapporté par le fournisseur et non reproduit, et les deux extrémités de cette fourchette ne sont pas comparables entre elles : 184 tok/s sur un ordinateur portable correspond à une version quantifiée MLX ou GGUF d'un modèle à 2,45 B de paramètres actifs, tandis que 21 K tok/s, c'est un GPU de centre de données qui sert de nombreuses requêtes simultanées. L'affirmation du facteur 1,7× n'a aucune référence publiée à l'appui — « MoE comparables » n'est pas une définition. Ce qui résiste à ces trois points, c'est l'argument architectural, qui ne dépend pas des mesures du fournisseur : un fichier Q4_K_M de 14,5 Go qui active 2,45 B de paramètres par token coûte peu cher à garder en mémoire et peu cher à exécuter, et la démo que propose Liquid — le modèle qui planifie et appelle des outils au sein de Hermes Agent sur un MacBook Pro M5 Max, sans aucun appel au cloud — voilà la véritable promesse produit.

Si vous passez par des routeurs de modèles plutôt que de les héberger, la forme que prend cette publication est du genre embarrassant : ce qui rend LFM2.5-24B-A2B intéressant, c'est l'exécution privée, sur l'appareil, et c'est exactement le mode qu'une API hébergée ne peut pas vous offrir. Nous ne servons pas ce checkpoint sur OrcaRouter aujourd'hui. Ce que nous servons, en revanche, c'est l'autre versant de chaque comparaison de l'article de lancement — qwen/qwen3.6-35b-a3b figure sur notre catalogue, aux côtés de google/gemma-4-26b-a4b-it et de obsidian/gemma-4-26B-A4B — si bien que les points de référence par rapport auxquels Liquid a mesuré ce modèle sont à portée d'une clé API si vous souhaitez réaliser la comparaison sur vos propres tâches plutôt que sur le tableau de benchmarks d'un fournisseur.

Qu'en faire, franchement

Téléchargez la version Q4_K_M ou le build MLX quantifié et exécutez votre propre harnais d’agent dessus avant de croire à l’un des chiffres ci-dessus — c’est là toute la proposition de valeur, et cela vous coûte un téléchargement de 14 Go et un après-midi. Les preuves que cette génération constitue une véritable avancée sont architecturales et vérifiables : un contexte de 131K et une étape de RL agentique sont tous deux visibles dans le checkpoint et la config, pas seulement dans un article de blog. Ce qui n’est pas encore vérifiable, c’est le tableau de benchmarks, l’affirmation du facteur 1,7×, et la question de savoir si un comportement de reward hacking se manifeste dans votre charge de travail comme Liquid dit qu’il l’a fait dans la leur.

La question ouverte qui mérite qu'on s'y attarde n'est pas de savoir si ce modèle est bon. C'est de savoir si la forme MoE 24B-A2B continue de payer à mesure que le contexte grandit — 131K sur un modèle à 2,45B de paramètres actifs, cela représente beaucoup de cache à garder cohérent dans la mémoire unifiée d'un seul ordinateur portable, et personne n'a encore publié de chiffres de recherche en contexte long pour ce checkpoint. S'il tient la route face à un vrai travail d'agent sur documents longs, Liquid aura démontré que le segment edge n'est pas forcément celui sur lequel il faut faire des compromis. En attendant, la position honnête sur LFM2.5-24B-A2B est celle à laquelle aboutit le propre article du fournisseur : un appelant d'outils rapide et bien instruit, qu'il faut orienter vers la recherche documentaire et un véritable harnais, et non vers vos questions de connaissances.

Une sortie est aussi le moment de vérifier ce qui a mal tourné auparavant : les incidents d'IA documentés et les défaillances d'agents autour des modèles de cette classe sont rassemblés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.