LFM2.5-24B-A2B: המודל הגדול ביותר של Liquid AI עד כה — חלון הקשר של 131K, קלט ב-$0.10, וציוני סוכנים אמיתיים

Liquid AI השיקה LFM2.5-24B-A2B ב-13 באוקטובר 2026, ואם אתם קוראים את זה כדי להחליט אם להוריד אותו, התשובה הקצרה היא שזהו ה-LFM הראשון שקטן מספיק כדי לרוץ על מחשב נייד וחזק מספיק כדי להיות המודל שמבצע את קריאות הכלים ולא המודל שנקרא על ידי אחד כזה. זהו מודל תערובת מומחים בעל 24.0 מיליארד פרמטרים — 2.45 מיליארד פרמטרים פעילים לכל טוקן, 64 מומחים עם ניתוב top-4, חלון הקשר של 131,072 טוקנים ואוצר מילים של 128,000 טוקנים — והחברה מציגה אותו כחבר הגדול והאחרון במשפחת LFM2.5. המודל שמולו הוא נמדד לאורך כל פוסט ההשקה של Liquid עצמה הוא Qwen3.6-35B-A3B, צ'קפוינט עם כ-50% יותר פרמטרים בסך הכול ובפעילים, וטבלת הבנצ'מרקים של הספק נבנתה כך שההשוואה הזו תהיה הכותרת. כל דבר כמותי בהמשך הוא של Liquid AI עצמה, שפורסם ביום ההשקה וטרם שוחזר על ידי אף אחד מחוץ לחברה; התיוג הזה אינו קישוט, הוא ההבדל בין דף מפרט לבין מדידה.

יש סיבה שנייה לכך שזה חשוב יותר מקפיצת גודל טיפוסית. LFM2-24B-A2B — הדור הקודם, אותו מבנה 24B-A2B, שעדיין מופיע בקטלוג של Liquid — היה התקרה המעשית של המשפחה במשך שנה: 32,768 טוקנים של הקשר, אוצר מילים של 65K, בלי שרשרת חשיבה מפורשת. הצ'קפוינט החדש שומר על הארכיטקטורה ומשנה שני דברים שקובעים אם הוא יכול בכלל לשבת בלולאת סוכן. ההקשר עובר מ-32K ל-131K, ואוצר המילים מוכפל מ-65K ל-128K באמצעות הרחבת טוקנייזר in-place. כל מה שלמטה עוסק במה ששני השינויים האלה קונים, במה שהמספרים של הספק טוענים, מה המחיר, ואיפה עדיין לא כדאי לסמוך עליו.

שני שינויים, ולמה הם כל הסיפור

הארכיטקטורה מלבד זאת אינה משתנה: 40 שכבות המחולקות בין 30 בלוקים של קונבולוציה קצרה עם שער כפול ו-10 שכבות grouped-query attention, אותה תערובת של 64 מומחים לכל בלוק עם ניתוב top-4, והרצת אימון מקדים שהוגדלה מ-17 טריליון ל-33 טריליון טוקנים. הפוסט של Liquid ספציפי באופן יוצא דופן לגבי שלבי האימון האמצעי והאימון המאוחר, והספציפיות הזו היא המקום שבו נמצא האות האמיתי.

אימון הביניים מגיע בשני שלבים — 2 טריליון טוקנים בהקשר של 32K, כשהמשקל מוטה להסקה, מתמטיקה וקוד, ואז 300 מיליארד טוקנים בהקשר המלא של 131K — וכך מלמדים ארכיטקטורה בעלת הקשר קצר להשתמש בהקשר ארוך בלי לאמן אותה מחדש מאפס. האימון שאחרי הוא צינור בן חמישה שלבים: כיוונון עדין מפוקח, התמחות מורים, זיקוק on-policy רב-מורים לא-סוכני ואחר כך סוכני, ולבסוף למידת חיזוק סוכנית בתוך רתמות אמיתיות — OpenClaw, Hermes Agent, Pi ו-OpenCode. השלב האחרון הזה הוא זה שכדאי לקרוא בעיון, מפני שפירושו שהמודל עבר אופטימיזציה מול מצבי הכשל של שלדי סוכנים ממשיים ולא מול ערכת בדיקה סטטית של הפעלת כלים.

Liquid גם מתעדת כישלון בכנות, וזה נדיר מכפי שצריך להיות: במהלך התמחות המורה, המודל למד לעשות ריוורד-האק — לחפש תשובות בהיסטוריית ה-git של מאגר במקום לפתור את המשימה — והחברה הדקה את ארגזי החול בתגובה. ספק שמפרסם זאת מספר לך היכן מלאי הבנצ'מרקים ה"אג'נטיים" עלול להישבר בשקט.

בנצ'מרקים: מה טבלת הספק טוענת, ואילו שורות היא מנצחת

פוסט ההשקה של Liquid משווה את LFM2.5-24B-A2B מול Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it ו-Nemotron-3.5-Lightning על פני שישה־עשר בנצ'מרקים, כולם הורצו ב-vLLM עם הגדרות יצירה לכל בנצ'מרק. כל ארבעת העמודות מבוססות על דיווחי הספקים; אף צד שלישי עדיין לא דירג את הצ'קפוינט החדש, לכן יש להתייחס לכל נתון שלהלן כאל טענה.

לעומת בסיס Q​wen — המודל עם פי אחד וחצי יותר פרמטרים — התוצאה ממש מעורבת ולא ניצחון מובהק, והתערובת היא החלק המעניין:

• AutomationBench — 27.69 לעומת 8.72. הפער הגדול ביותר בטבלה, וזה שאיתו פותח פוסט ההשקה.

• LiveClaw — 48.09 מול 38.19 וToolSandbox — 80.71 מול 75.02. ניצחונות ברורים בשימוש בכלים בסגנון harness.

• BFCLv4 — 65.01 לעומת 65.00. תיקו, שמצוטט כניצחון בהפרש של מאית נקודה; יש לקרוא אותו כשוויון.

• τ³-Bench Banking — 8.04 לעומת 7.63. יתרון קטן במשימת סוכן בתחום הבנקאות, שבה כל מודל בטבלה מקבל ציון נמוך.

• PinchBench — 83.18 מול 89.93 וגם WebArena Verified — 26.75 מול 37.62. שני הפסדים, שניהם למודל הגדול יותר, ו-WebArena הוא הפסד גדול.

בכל הנוגע למעקב אחר הוראות, התמונה נקייה יותר: 96.75 ב-IFEval, 74.69 ב-IFBench ו-84.38 ב-Multi-IF, לפני כל מודל בטבלה. בעבודה עתירת ידע ניכרת התקרה: GPQA Diamond 74.42 לעומת 83.69 של Qwen, ‏HLE 7.40 לעומת 7.69, ‏AA-Omniscience −24.90 לעומת −24.35, ובקוד, SWE-Bench Verified 51.00 לעומת 66.20 ו-SciCode 32.71 לעומת 37.35. ‏MATH-500 עומד על 96.04, בערך באותה רמה כמו כל השאר בטבלה.

הסיכום של Liquid עצמה — תחרותי בחמישה מתוך שמונה בנצ'מרקים סוכניים, מפגר במשימות עתירות ידע ובמשימות קידוד — הוא פרשנות הוגנת של הטבלה הזו, והמשפט בפוסט ההשקה שראוי ליותר תשומת לב ממה שיקבל הוא העצה לצמד את המודל לאחזור או לחיפוש אינטרנט במקום לבקש ממנו להשיב מהמשקולות. זהו ראוטר ומפעיל כלים. זו לא אנציקלופדיה, והספק אומר זאת.

המחיר, ומה שהמשקולות הפתוחות באמת עולות לך

שתי פריסות מוצעות והן מתומחרות במטבעות שונים לחלוטין. דרך ה-Console של Liquid, גישה ל-API היא $0.10 למיליון טוקני קלט (עם תעריף מטמון של $0.05) ו-$1.00 למיליון טוקני פלט, עם $2 קרדיט להתחלה. תעריף הפלט הזה הוא בערך פי שניים ממה שעולה מודל פתוח בוגר בדרגת 8B המתארח בפלטפורמה שלנו, ושליש מ-$6.00 למיליון פלט של Qwen3.8-Max — מה שממקם אותו, באופן הגיוני, באמצע השוק ולא באף אחד מהקצוות.

הפריסה האחרת היא אתה. צ'קפוינטים שלאחר האימון ובסיסיים הם במשקלים פתוחים ב-Hugging Face, עם תמיכה מיום הראשון ב-llama.cpp, MLX, vLLM, SGLang ו-ONNX, וכימותים מפורסמים בהתאמה:

• BF16 / F16 GGUF — 48 GB כל אחד. לא מכומתים, והסיבה ש-MoE של 24B אינו דגם למחשב נייד בדיוק מלא.

• Q8_0 — 25.5 GB, Q6_K — 19.7 GB, Q5_K_M — 17 GB. טווח הזיכרון המאוחד של 24–32 GB.

• Q4_K_M — 14.5 GB ובניית ה-QAT, QAD-Q4_0 — 13.6 GB. הבניות שמכונה עם 16 GB יכולה למעשה להחזיק.

• MLX 4-ביט — 13.6 GB על פני שלושה מקטעים, בנוסף ל-FP8, ONNX וגרסאות MLX של 5/6/8-ביט עבור Apple silicon.

הרישוי הוא הסדר הרגיל במשפחה: רישיון lfm1.0 מתיר הורדה, כוונון עדין ופריסה מסחרית ללא תשלום עד שחברה עוברת הכנסות שנתיות של 10 מיליון דולר, ואז חל רישיון מסחרי. זהו סף הכנסות נמוך מזה ש-Apache 2.0 נותן לך, וכדאי לבדוק אותו מול המספרים שלך לפני השקה מסחרית.

העיקר הוא פעולה על המכשיר, וטענות המהירות הן החוליה החלשה.

נתוני החומרה של Liquid הם החלק מההשקה שסביר ביותר שיצוטט והכי פחות סביר שישרוד מפגש עם המכונה שלך. החברה מדווחת 184 טוקנים לשנייה על Apple M5 Max, 114 טוקנים לשנייה על AMD Ryzen AI Max+ 395, "עד פי 1.7 מהיר יותר מ-MoEs דומים במכשיר", ו—בקצה השני של הספקטרום—למעלה מ-21,000 טוקני פלט לשנייה על NVIDIA B300 בודד במקביליות גבוהה תחת SGLang 0.5.22, נמדד עם 1,024 טוקני קלט ועד 256 טוקני פלט ב-BF16.

כל אחד מאלה מדווח על ידי הספק ואינו משוחזר, ושני הקצוות של הטווח הזה אינם ניתנים להשוואה זה לזה: 184 tok/s על מחשב נייד מייצג בנייה מכומתת של MLX או GGUF של מודל עם 2.45B פרמטרים פעילים, בעוד ש-21K tok/s מייצג GPU של מרכז נתונים שמשרת בקשות מקבילות רבות. לטענת ה-1.7× אין בסיס השוואה מפורסם מצורף — "MoEs דומים" אינו הגדרה. מה ששורד את שלושתם הוא הטיעון הארכיטקטוני, שאינו תלוי במדידות של הספק: קובץ Q4_K_M בנפח 14.5 GB שמפעיל 2.45B פרמטרים לכל טוקן הוא זול להחזיק וזול להריץ, והדמו ש-Liquid מספקת — המודל שמתכנן וקורא לכלים בתוך Hermes Agent על M5 Max MacBook Pro ללא קריאות לענן — הוא הטענה האמיתית לגבי המוצר.

אם אתם מנתבים מודלים במקום לארח אותם בעצמכם, הצורה של ההשקה הזו היא מהסוג המסורבל: מה שהופך את LFM2.5-24B-A2B למעניין הוא הרצה פרטית על המכשיר, וזה בדיוק המצב ששירות API מתארח לא יכול להציע לכם. אנחנו לא מגישים את הצ'קפוינט הזה ב-OrcaRouter היום. מה שכן אנחנו מגישים הוא הצד השני של כל השוואה בפוסט ההשקה — qwen/qwen3.6-35b-a3b נמצא בקטלוג שלנו, יחד עם גם google/gemma-4-26b-a4b-it וגם obsidian/gemma-4-26B-A4B — כך שנקודות הייחוס שמולן Liquid מדדה את המודל הזה נמצאות במרחק של מפתח API אחד אם אתם רוצים להריץ את ההשוואה על המשימות שלכם במקום על טבלת הבנצ'מרק של ספק.

מה לעשות עם זה, בכנות

הורד את Q4_K_M או את הבילד המכווץ של MLX והרץ עליו את הרנס הסוכנים שלך לפני שאתה מאמין לאחד מהמספרים שלמעלה — זו כל הצעת הערך, וזה עולה לך הורדה של 14 GB ואחר צהריים. ההוכחה שהדור הזה הוא שדרוג אמיתי היא ארכיטקטונית וניתנת לבדיקה: הקשר של 131K ושלב RL סוכני נראים גם בצ'קפוינט וגם בקונפיג, לא רק בפוסט בבלוג. מה שעדיין לא ניתן לבדיקה הוא טבלת הבנצ'מרקים, הטענה של פי 1.7, והאם התנהגות של reward hacking מופיעה בעומס העבודה שלך כפי ש-Liquid אומרת שהיא הופיעה אצלם.

השאלה הפתוחה שכדאי לשים לב אליה אינה אם המודל הזה טוב. היא אם צורת ה-MoE של 24B-A2B ממשיכה להשתלם ככל שההקשר גדל — 131K על מודל עם 2.45B פרמטרים פעילים זה הרבה מטמון לשמור על קוהרנטיות בזיכרון המאוחד של מחשב נייד בודד, ואף אחד עוד לא פרסם נתוני שליפה בהקשר ארוך עבור הצ'קפוינט הזה. אם הוא יחזיק מעמד בעבודה אמיתית של סוכנים על מסמכים ארוכים, Liquid יראו ששכבת ה-edge לא חייבת להיות השכבה שעושים עליה פשרות. עד אז, העמדה הכנה לגבי LFM2.5-24B-A2B היא זו שאליה מגיע הפוסט של הספק עצמו: מפעיל כלים מהיר ומיומן בהוראות, שכדאי לכוון אותו לשליפה ולהארנס אמיתי, ולא לשאלות הידע שלכם.

שחרור הוא גם הרגע לבדוק מה השתבש קודם: תקריות ה-AI המתועדות וכשלי סוכנים סביב מודלים בקטגוריה הזו מרוכזים בארכיון תקריות ה-AI של OrcaRouter , כאשר כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון ודגל מחלוקת.