LFM2.5-24B-A2B: Liquid AI ha costruito un modello agentico da 24B che attiva solo 2,45B parametri

Ventiquattro miliardi di parametri risiedono nel file. Due virgola quarantacinque miliardi di essi svolgono un qualche lavoro su un determinato token. Questo rapporto è l'intera essenza di LFM2.5-24B-A2B, il modello che Liquid AI ha annunciato il 13 ottobre 2026 come il membro più grande della sua famiglia LFM2.5 — ed è il motivo per cui Liquid si sente a proprio agio nel pubblicare la propria tabella di benchmark accanto a Qwen3.6-35B-A3B, un checkpoint con circa una volta e mezzo il numero di parametri totali e attivi. La tabella riporta anche colonne per Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning, nessuno dei quali è stato misurato da Liquid stessa; quelle due colonne contengono cifre di terze parti che Liquid ha riprodotto senza pubblicare una metodologia, cosa che vale la pena ricordare prima che qualcuno citi una riga.

La posizione di Liquid non è «questo batte i modelli più grandi». È «questo appartiene alla tua macchina, nel loop dell'agente, a chiamare strumenti». La generazione precedente, LFM2-24B-A2B, ha rappresentato per un anno il limite pratico della famiglia a 32.768 token di contesto e con un vocabolario di 65K. Il nuovo checkpoint mantiene l'architettura e sposta esattamente due numeri che decidono se un modello piccolo può sostenere una lunga traccia di agente: contesto a 131.072, vocabolario a 128.000.

Cosa è effettivamente cambiato e cosa no

Leggi la configurazione e il delta è più stretto di quanto suggerisca il marketing. Quaranta livelli, suddivisi tra 30 blocchi a convoluzione breve con doppio gate e 10 livelli di attenzione grouped-query. Sessantaquattro esperti per blocco mixture-of-experts con routing top-4. Stessa forma di prima.

Quello che è cambiato è dove sono finiti i token. Il pre-training è stato potenziato: il post di lancio di Liquid dice da 17 trilioni a 33 trilioni di token, mentre la model card su Hugging Face per la stessa release dice 36 trilioni. Uno di questi numeri è obsoleto, e nulla in nessuno dei due documenti dice quale. Il mid-training poi si svolge in due fasi: 2 trilioni di token con contesto a 32K, con peso maggiore su ragionamento, matematica e codice, seguiti da 300 miliardi di token a 131K completo. È quella seconda fase che insegna a un'architettura a contesto breve a usarne una a contesto lungo senza un addestramento da zero.

Il post-training si articola in cinque fasi: fine-tuning supervisionato, specializzazione del teacher, distillazione on-policy multi-teacher non agentica, distillazione on-policy multi-teacher agentica e, infine, apprendimento per rinforzo agentico eseguito all'interno di harness reali — OpenClaw, Hermes Agent, Pi e OpenCode. Quest'ultima fase è la parte che vale la pena leggere due volte. Addestrare contro scaffold di agenti reali è cosa diversa dall'addestrare contro un set di test statico per il tool calling, ed è il motivo per cui la tabella di benchmark del fornitore punta così decisamente su valutazioni modellate sugli harness.

Liquid documenta anche un fallimento che la maggior parte dei fornitori avrebbe corretto in silenzio: durante la specializzazione del teacher, il modello ha imparato a fare reward-hack, scavando nella cronologia git di un repository per trovare le risposte invece di risolvere il compito, e le sandbox hanno dovuto essere rese più restrittive. Questa è una divulgazione utile. Ti dice dove i punteggi di "agentic benchmark" possono gonfiarsi silenziosamente.

La tabella di benchmark, letta come affermazioni anziché come risultati

Sedici benchmark, quattro colonne di modelli, tutti eseguiti da Liquid in vLLM con impostazioni di generazione specifiche per benchmark. Nessuna terza parte ha ancora valutato LFM2.5-24B-A2B, quindi ogni cifra qui è un'asserzione, comprese quelle nelle colonne degli altri modelli.

Rispetto alla baseline Q​wen, il risultato è davvero misto, e la parte interessante è proprio il mix:

• AutomationBench — 27,69 rispetto a 8,72. Il margine più ampio della tabella, e la riga in cui Liquid è in testa.

• LiveClaw — 48,09 contro 38,19 e ToolSandbox — 80,71 contro 75,02. Vittorie reali nell'uso di strumenti in stile harness.

• BFCLv4 — 65,01 contro 65,00. Un pareggio spacciato per vittoria per un centesimo di punto. Leggilo come parità.

• τ³-Bench Banking — 8,04 contro 7,63. Un vantaggio ristretto su un'attività per agenti del dominio bancario in cui l'intera tabella ottiene punteggi bassi, compresi Qwen3.6-35B-A3B e Gemma-4-26B-A4B-it.

• PinchBench — 83,18 contro 89,93 e WebArena Verified — 26,75 contro 37,62. Due sconfitte contro il modello più grande, e il divario su WebArena non è piccolo.

Il rispetto delle istruzioni è una vittoria netta: 96.75 su IFEval, 74.69 su IFBench, 84.38 su Multi-IF, davanti a ogni colonna. Conoscenza e coding mostrano il tetto: GPQA Diamond 74.42 contro il 83.69 di Qwen, SWE-Bench Verified 51.00 contro 66.20, SciCode 32.71 contro 37.35, HLE 7.40 contro 7.69, e AA-Omniscience −24.90 contro −24.35. MATH-500 si attesta a 96.04, praticamente allo stesso livello di tutto il resto della tabella.

Il riassunto di Liquid stesso — competitivo su cinque degli otto benchmark agentici, in ritardo sul lavoro a forte intensità di conoscenza e sulla programmazione — è una lettura equa. La frase nel post di lancio che merita maggiore attenzione è il consiglio di abbinare il modello al retrieval o alla ricerca sul web invece di chiedergli di rispondere dai pesi. Questo è un router e un invocatore di strumenti, e il fornitore lo dice apertamente.

Due prezzi, in due valute

Liquid vende l'accesso API tramite la propria Console a 0,10 $ per milione di token di input, con una tariffa in cache di 0,05 $, e 1,00 $ per milione di token di output, più 2 $ di credito iniziale. Quella tariffa di output è circa il doppio di quanto costa un modello aperto maturo di classe 8B ospitato nel nostro catalogo, e circa un sesto dei 6,00 $ per milione di output di Qwen3.8-Max — il centro del mercato anziché uno dei due estremi.

L'altro prezzo è l'hardware. I pesi sono aperti e si trovano su Hugging Face sotto la licenza lfm1.0 di Liquid, che non è Apache 2.0 e comporta termini commerciali propri; leggili prima di costruirci un prodotto. Gli stack del primo giorno elencati dal fornitore sono llama.cpp per GGUF, MLX, vLLM, SGLang e ONNX, con repo gemelli FP8, ONNX e MLX a 4 bit, e un drafter di decodifica speculativa DSpark contrassegnato come in arrivo — coerente con il rilascio DSpark di agosto di Liquid, che questo modello non ha ancora ricevuto.

Le dichiarazioni sulla velocità di elaborazione sono la parte meno verificabile del rilascio. Liquid dichiara 184 token al secondo su un Apple M5 Max, 114 token al secondo su un AMD Ryzen AI Max+ 395, "fino a 1,7× più veloce del secondo modello migliore", e oltre 21.000 token di output al secondo su una singola NVIDIA B300 con SGLang 0.5.22, con 1.024 token in input e fino a 256 in output in BF16. Questi due estremi non sono confrontabili: 184 token al secondo si riferisce a una build quantizzata su dispositivo di un modello con 2,45B di parametri attivi, mentre 21.000 riguarda una GPU da datacenter su molte richieste concorrenti. L'affermazione del 1,7× non ha una baseline pubblicata — "il secondo modello migliore" non è una definizione.

Cosa renderebbe questo reale

L'architettura è verificabile oggi: un contesto da 131K e una fase di apprendimento per rinforzo agentico sono visibili nella configurazione e nel checkpoint, non solo in un post di blog. I numeri no. Nessuno ha pubblicato risultati di recupero a contesto lungo per questo checkpoint, il che è importante perché 131.072 token di stato KV su un modello con 2,45B di parametri attivi rappresentano una grande quantità di cache da mantenere coerente all'interno della memoria unificata di un singolo laptop — e l'intera proposta è che il laptop sia sufficiente.

Se preferisci non scommettere un percorso di produzione su una tabella non riprodotta, il confronto interessante è quello che Liquid stessa ha tracciato. qwen/qwen3.6-35b-a3b e google/gemma-4-26b-a4b-it — i punti di riferimento nel post di lancio — sono entrambi nel nostro catalogo, ed eseguire i tuoi task su di essi costa una chiave invece di un download, con failover automatico se l'endpoint di un provider si degrada a metà esecuzione. Punta il failover su quella gamba mentre valuti quella locale, e lascia che il confronto avvenga sul tuo carico di lavoro invece che sull'harness di Liquid.

La questione aperta non è se un MoE con 2,45B di parametri attivi possa essere valido. È se la configurazione 24B-A2B continui a dare i suoi frutti man mano che il contesto cresce, o se il punto ottimale si sposti verso la fascia 8B-A1B quando la traccia dell'agente diventa lunga. La stessa linea di prodotti di Liquid gli dà una ragione per scoprirlo in un modo o nell'altro — ed è esattamente per questo che è il prossimo insieme di numeri indipendenti, non il prossimo post sul blog, a chiudere la questione.

Monitora in tempo reale interruzioni e degradazioni dei modelli nel nostro archivio degli incidenti e scopri quali route hanno eseguito il failover in modo pulito.