LFM2.5-24B-A2B: Liquid AI בנתה מודל סוכן של 24B שמעיר רק 2.45B פרמטרים

עשרים וארבעה מיליארד פרמטרים נמצאים בקובץ. 2.45 מיליארד מהם עושים עבודה כלשהי בכל אסימון נתון. היחס הזה הוא כל הסיפור של LFM2.5-24B-A2B, המודל שחברת Liquid AI הכריזה עליו ב-13 באוקטובר 2026 כחבר הגדול ביותר במשפחת LFM2.5 שלה — וזו הסיבה שחברת Liquid מרגישה בנוח להדפיס את טבלת הבנצ'מרקים של עצמה לצד Qwen3.6-35B-A3B, צ'קפוינט עם בערך פי אחד וחצי יותר פרמטרים בסך הכול ופרמטרים פעילים. הטבלה כוללת גם עמודות עבור Gemma-4-26B-A4B-it וNemotron-3.5-Lightning, שאף אחד מהם לא נמדד על ידי Liquid בעצמה; שתי העמודות הללו הן נתונים של צד שלישי שחברת Liquid שחזרה בלי לפרסם מתודולוגיה, מה שכדאי לזכור לפני שמישהו מצטט שורה.

המסגור של Liquid אינו "זה מנצח מודלים גדולים יותר". הוא "זה מקומו במכונה שלך, בלולאת הסוכן, בקריאה לכלים". הדור הקודם, LFM2-24B-A2B, בילה שנה בתור התקרה המעשית של המשפחה ב-32,768 אסימוני הקשר ובאוצר מילים של 65K. הצ'קפוינט החדש שומר על הארכיטקטורה ומזיז בדיוק שני מספרים שקובעים אם מודל קטן יכול להכיל עקבה ארוכה של סוכן: הקשר ל-131,072, אוצר המילים ל-128,000.

מה באמת השתנה, ומה לא

קרא את הקונפיגורציה והדלתא צרה יותר ממה שהשיווק מרמז. ארבעים שכבות, מפוצלות בין 30 בלוקים של קונבולוציה קצרה עם שער כפול ל-10 שכבות קשב של שאילתות מקובצות. שישים וארבעה מומחים לכל בלוק תערובת מומחים עם ניתוב top-4. אותה צורה כמו קודם.

מה שהשתנה הוא לאן הופנו הטוקנים. אימון המקדים הוגדל — בפוסט ההשקה של Liquid נאמר מ-17 טריליון ל-33 טריליון טוקנים, בעוד שכרטיס המודל של Hugging Face עבור אותה מהדורה אומר 36 טריליון. אחד מהמספרים האלה מיושן, ושום דבר באף אחד מהמסמכים לא מציין איזה. אימון הביניים מתנהל אז בשני שלבים: 2 טריליון טוקנים בהקשר של 32K עם משקל יתר לחשיבה, מתמטיקה וקוד, ולאחר מכן 300 מיליארד טוקנים בהקשר המלא של 131K. השלב השני הזה הוא הדרך שבה ארכיטקטורה בעלת הקשר קצר נלמדת להשתמש בהקשר ארוך בלי אימון מחדש מאפס.

הפוסט-אימון כולל חמישה שלבים: כיוונון עדין מפוקח, התמחות מורה, זיקוק on-policy רב-מורי לא-סוכני, זיקוק on-policy רב-מורי סוכני, ולבסוף למידת חיזוק סוכנית המופעלת בתוך הרנסים אמיתיים — OpenClaw, Hermes Agent, Pi ו-OpenCode. השלב האחרון הוא החלק ששווה לקרוא פעמיים. אימון מול שלדות סוכנים ממשיות הוא דבר שונה מאימון מול מערך בדיקות סטטי של קריאה לכלים, וזו הסיבה שטבלת הבנצ'מרק של הספק נשענת כל כך חזק על הערכות בצורת הרנס.

Liquid גם מתעדת כשל שרוב הספקים היו מתקנים בשקט: במהלך התמחות המורה, המודל למד לבצע ריוורד-האקינג, לחפור בהיסטוריית ה-git של מאגר כדי למצוא תשובות במקום לפתור את המשימה, והיה צורך להדק את ארגזי החול. זו חשיפה שימושית. היא מספרת לך היכן ציוני "agentic benchmark" יכולים להתנפח בשקט.

טבלת הבנצ'מרק, כשהיא נקראת כטענות ולא כתוצאות

שישה־עשר בנצ'מרקים, ארבע עמודות מודלים, כולם הורצו על ידי Liquid ב-vLLM עם הגדרות יצירה לכל בנצ'מרק בנפרד. אף צד שלישי עדיין לא נתן ציון ל-LFM2.5-24B-A2B, לכן כל נתון כאן הוא טענה, כולל אלה שבעמודות של שאר המודלים.

לעומת בסיס ה-Q​wen, התוצאה באמת מעורבת, והתערובת היא החלק המעניין:

• AutomationBench — 27.69 לעומת 8.72. הפער הרחב ביותר בטבלה, והשורה שבה Liquid מוביל.

• LiveClaw — 48.09 לעומת 38.19 וToolSandbox — 80.71 לעומת 75.02. ניצחונות אמיתיים בשימוש בכלים בסגנון הרנס.

• BFCLv4 — 65.01 לעומת 65.00. תיקו שמצוטט כניצחון בפער של מאית הנקודה. יש לקרוא אותו כשוויון.

• τ³-Bench בנקאות — 8.04 לעומת 7.63. יתרון צר במשימת סוכן בתחום הבנקאות, שבה הטבלה כולה מקבלת ציונים נמוכים, כולל Qwen3.6-35B-A3B ו-Gemma-4-26B-A4B-it.

• PinchBench — 83.18 לעומת 89.93 ו-WebArena Verified — 26.75 לעומת 37.62. שני הפסדים למודל הגדול יותר, והפער ב-WebArena אינו קטן.

עמידה בהוראות היא הניצחון המוחלט: 96.75 ב-IFEval, 74.69 ב-IFBench, 84.38 ב-Multi-IF, מעל כל עמודה. ידע וקידוד מציגים את התקרה: GPQA Diamond 74.42 לעומת 83.69 של Qwen, SWE-Bench Verified 51.00 לעומת 66.20, SciCode 32.71 לעומת 37.35, HLE 7.40 לעומת 7.69, ו-AA-Omniscience −24.90 לעומת −24.35. MATH-500 נוחת על 96.04, למעשה באותה רמה כמו כל דבר בטבלה.

הסיכום של Liquid עצמה — תחרותי בחמישה מתוך שמונה מבחני ביצועים סוכניים, מאחור בעבודה עתירת ידע ובקוד — הוא פרשנות הוגנת. המשפט בפוסט ההשקה שראוי ליותר תשומת לב הוא העצה לצמד את המודל עם אחזור מידע או חיפוש באינטרנט במקום לבקש ממנו להשיב מתוך המשקלים. זהו נתב ומפעיל כלים, והיצרן אומר זאת.

שני מחירים, בשני מטבעות

Liquid מוכרת גישה ל-API דרך הקונסולה שלה ב-$0.10 למיליון טוקנים בקלט, עם תעריף מטמון של $0.05, ו-$1.00 למיליון טוקנים בפלט, בתוספת $2 של זיכוי התחלתי. תעריף הפלט הזה הוא בערך כפול ממה שעולה מודל פתוח בוגר בדרגת 8B מתארח בקטלוג שלנו, וכשישית מ-$6.00 למיליון בפלט של Qwen3.8-Max — אמצע השוק ולא אף אחד מהקצוות.

המחיר האחר הוא חומרה. המשקולות פתוחות ונמצאות ב-Hugging Face תחת רישיון lfm1.0 של Liquid, שאינו Apache 2.0 ונושא תנאים מסחריים משל עצמו; קראו אותם לפני שאתם בונים עליו מוצר. ערימות היום הראשון שמפרט הספק הן llama.cpp עבור GGUF, ‏MLX, ‏vLLM, ‏SGLang ו-ONNX, עם מאגרי אחים של FP8, ‏ONNX ו-MLX 4-ביט, ומנסח פענוח ספקולטיבי DSpark המסומן כ"בקרוב" — בעקביות עם מהדורת ה-DSpark של Liquid מאוגוסט, שאשר למודל הזה טרם ניתן.

טענות התפוקה הן החלק הכי פחות ניתן לבדיקה של השחרור. Liquid מדווחת על 184 טוקנים לשנייה על Apple M5 Max, 114 טוקנים לשנייה על AMD Ryzen AI Max+ 395, "עד פי 1.7 מהר יותר מהמודל השני בטיבו," ויותר מ-21,000 טוקני פלט לשנייה על NVIDIA B300 בודד תחת SGLang 0.5.22 עם 1,024 טוקנים בקלט ועד 256 בפלט ב-BF16. שני הקצוות הללו אינם ברי השוואה: 184 טוקנים לשנייה הם בנייה מכומתת על המכשיר של מודל פעיל של 2.45B, ו-21,000 הם מעבד גרפי של מרכז נתונים על פני בקשות רבות במקביל. לטענת ה-1.7× אין קו בסיס מפורסם — "המודל השני בטיבו" אינו הגדרה.

מה יגרום לזה להיות אמיתי

הארכיטקטורה ניתנת לבדיקה כבר היום: הקשר של 131K ושלב של למידת חיזוק סוכנית נראים בקונפיג ובצ'קפוינט, לא רק בפוסט בבלוג. המספרים לא. אף אחד לא פרסם תוצאות אחזור בהקשר ארוך עבור הצ'קפוינט הזה, וזה חשוב כי 131,072 טוקנים של מצב KV על מודל עם 2.45B פרמטרים פעילים זה הרבה מטמון לשמור על קוהרנטיות בתוך הזיכרון המאוחד של מחשב נייד אחד — וכל הטענה היא שהמחשב הנייד מספיק.

אם אתם מעדיפים לא להמר על נתיב ייצור על סמך טבלה שלא שוחזרה, ההשוואה המעניינת היא זו ש-Liquid עצמה הציגה. qwen/qwen3.6-35b-a3b וgoogle/gemma-4-26b-a4b-it — נקודות הייחוס בפוסט ההשקה — נמצאים שניהם בקטלוג שלנו, והרצת המשימות שלכם מולם דורשת מפתח במקום הורדה, עם מעבר אוטומטי לגיבוי אם נקודת הקצה של ספק אחד נחלשת באמצע הריצה. כוונו את המעבר האוטומטי לגיבוי אל הרגל הזו בזמן שאתם מעריכים את המקומית, ותנו להשוואה להתבצע על עומס העבודה שלכם במקום על ההרנס של Liquid.

השאלה הפתוחה היא לא אם MoE עם 2.45B פרמטרים פעילים יכול להיות טוב. היא אם תצורת 24B-A2B ממשיכה להשתלם ככל שההקשר גדל, או אם נקודת האיזון יורדת לדרג 8B-A1B ברגע שעקבות הסוכן מתארכות. קו המוצרים של Liquid עצמה נותן לה סיבה לגלות זאת בכל מקרה — וזו בדיוק הסיבה לכך שסט המספרים העצמאיים הבא, ולא הפוסט הבא בבלוג, הוא מה שיכריע.

עקבו בזמן אמת אחר השבתות והרעות של מודלים בארכיון התקלות שלנו, וראו אילו נתיבים עברו מעבר כשל באופן חלק.