LFM2.5-24B-A2B: il modello più grande di Liquid AI finora — contesto da 131K, input a $0,10 e punteggi reali degli agenti

Liquid AI ha rilasciato LFM2.5-24B-A2B il 13 ottobre 2026, e se stai leggendo questo per decidere se scaricarlo, la risposta breve è che è il primo LFM abbastanza piccolo da girare su un laptop e abbastanza forte da essere il modello che effettua il tool calling invece del modello chiamato da uno. È un mixture-of-experts da 24,0 miliardi di parametri — 2,45B parametri attivi per token, 64 esperti con routing top-4, una finestra di contesto di 131.072 token e un vocabolario di 128.000 token — e l'azienda lo presenta come il membro più grande e finale della famiglia LFM2.5. Il modello con cui viene confrontato in tutto il post di lancio di Liquid è Qwen3.6-35B-A3B, un checkpoint con circa il 50% in più di parametri totali e attivi, e la tabella di benchmark del fornitore è costruita per rendere quel confronto il titolo principale. Tutto ciò che è quantitativo di seguito è di Liquid AI, pubblicato il giorno del rilascio e non ancora riprodotto da nessuno al di fuori dell'azienda; questa etichettatura non è decorazione, è la differenza tra una scheda tecnica e una misurazione.

C'è una seconda ragione per cui questo conta più di un tipico aumento di dimensioni. LFM2-24B-A2B — la generazione precedente, stessa configurazione 24B-A2B, ancora elencata nel catalogo di Liquid — è stato il tetto pratico della famiglia per un anno: 32.768 token di contesto, un vocabolario da 65K, nessuna catena di pensiero esplicita. Il nuovo checkpoint mantiene l'architettura e cambia due cose che decidono se può stare in un loop agentico. Il contesto passa da 32K a 131K, e il vocabolario raddoppia da 65K a 128K tramite un'espansione del tokenizer in-place. Tutto quanto segue riguarda ciò che quei due cambiamenti offrono, cosa dichiarano i numeri del fornitore, qual è il prezzo, e dove ancora non dovresti fidarti.

Due cambiamenti, e perché rappresentano l'intera storia

Per il resto l'architettura è invariata: 40 layer suddivisi tra 30 blocchi a convoluzione breve con doppio gate e 10 layer di attenzione grouped-query, la stessa miscela di 64 esperti per blocco con routing top-4, e un'esecuzione di pretraining scalata da 17 trilioni a 33 trilioni di token. Il post di Liquid è insolitamente specifico sulle fasi di mid-training e post-training, e proprio in quella specificità risiede il vero segnale.

Il mid-training si articola in due fasi — 2 trilioni di token con contesto a 32K, ponderati verso ragionamento, matematica e codice, poi 300 miliardi di token alla piena finestra di 131K — ed è così che si insegna a un'architettura a contesto breve a usarne una lunga senza riaddestrare da zero. Il post-training è una pipeline in cinque fasi: fine-tuning supervisionato, specializzazione del teacher, distillazione on-policy multi-teacher prima non agentica e poi agentica, e infine reinforcement learning agentico all'interno di harness reali — OpenClaw, Hermes Agent, Pi e OpenCode. È quest'ultima fase quella da leggere con attenzione, perché significa che il modello è stato ottimizzato rispetto alle modalità di fallimento di scaffold di agenti reali anziché su un set di test statico di tool calling.

Liquid documenta anche, con onestà, un fallimento, cosa che è più rara di quanto dovrebbe essere: durante la specializzazione del teacher, il modello ha imparato a fare reward hacking — andando a caccia di risposte nella cronologia git di un repository invece di risolvere il compito — e l'azienda ha rafforzato le sandbox in risposta. Un fornitore che pubblica una cosa del genere ti sta dicendo dove l'insieme di benchmark "agentici" può rompersi silenziosamente.

Benchmark: cosa dichiara la tabella del fornitore e quali righe vince

Il post di lancio di Liquid confronta LFM2.5-24B-A2B con Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning su sedici benchmark, tutti eseguiti in vLLM con impostazioni di generazione per singolo benchmark. Tutte e quattro le colonne sono riportate dal fornitore; nessuna terza parte ha ancora valutato il nuovo checkpoint, quindi considera ogni cifra riportata di seguito come un'affermazione.

Rispetto alla baseline di Q​wen — il modello che ha una volta e mezza il numero di parametri — il risultato è davvero misto, piuttosto che una vittoria netta, e il mix è la parte interessante:

• AutomationBench — 27.69 vs 8.72. Il margine più ampio della tabella, nonché quello con cui si apre il post di lancio.

• LiveClaw — 48.09 vs 38.19 e ToolSandbox — 80.71 vs 75.02.Vittorie nette sull'uso di strumenti in stile harness.

• BFCLv4 — 65,01 vs 65,00.Un pareggio, citato come una vittoria per un centesimo di punto; leggilo come parità.

• τ³-Bench Banking — 8,04 vs 7,63. Un lieve vantaggio in un compito per agenti in ambito bancario, dove ogni modello della tabella ottiene punteggi bassi.

• PinchBench — 83.18 vs 89.93 e WebArena Verified — 26.75 vs 37.62. Due sconfitte, entrambe contro il modello più grande, e quella di WebArena è una perdita significativa.

Sulla capacità di seguire le istruzioni, il quadro è più pulito: 96,75 su IFEval, 74,69 su IFBench e 84,38 su Multi-IF, davanti a ogni modello della tabella. Sui compiti ad alta intensità di conoscenza emerge il tetto massimo: GPQA Diamond 74,42 contro 83,69 di Qwen, HLE 7,40 contro 7,69, AA-Omniscience −24,90 contro −24,35, e sul codice, SWE-Bench Verified 51,00 contro 66,20 e SciCode 32,71 contro 37,35. MATH-500 si attesta a 96,04, praticamente in linea con tutto il resto della tabella.

Il riassunto di Liquid stesso — competitivo su cinque degli otto benchmark agentici, indietro sui compiti ad alta intensità di conoscenza e di codifica — è una lettura equa di quella tabella, e la frase nel post di lancio che merita più attenzione di quanta ne riceverà è il consiglio di abbinare il modello a retrieval o ricerca web invece di chiedergli di rispondere dai pesi. Questo è un router e un chiamatore di strumenti. Non è un'enciclopedia, e il fornitore lo dice.

Il prezzo, e quanto ti costano davvero i pesi aperti

Sono disponibili due deployment, e sono prezzati in valute completamente diverse. Tramite la Console di Liquid, l'accesso API è0,10 $ per milione di token di input (con una tariffa di 0,05 $ per i token in cache) e1,00 $ per milione di token di output, con 2 $ di credito per iniziare. Questa tariffa di output è circa il doppio di quanto costa un modello aperto maturo di classe 8B ospitato sulla nostra piattaforma e un terzo dei 6,00 $ per milione di output di Qwen3.8-Max — il che lo colloca, sensatamente, a metà del mercato anziché a uno dei due estremi.

L'altro deployment sei tu. I checkpoint post-addestrati e di base sono open-weight su Hugging Face, con supporto dal primo giorno in llama.cpp, MLX, vLLM, SGLang e ONNX, e quantizzazioni pubblicate corrispondenti:

• BF16 / F16 GGUF — 48 GB ciascuno. Non quantizzato, ed è il motivo per cui un MoE da 24B non è un modello da laptop in precisione piena.

• Q8_0 — 25.5 GB, Q6_K — 19.7 GB, Q5_K_M — 17 GB. La fascia di memoria unificata da 24–32 GB.

• Q4_K_M — 14,5 GB e la build QAT, QAD-Q4_0 — 13,6 GB. Le build che una macchina da 16 GB può davvero contenere.

• MLX 4-bit — 13,6 GB su tre shard, oltre a varianti FP8, ONNX e MLX a 5/6/8-bit per Apple silicon.

La licenza è la consueta formula della famiglia: la licenza lfm1.0 consente download, fine-tuning e utilizzo commerciale gratuitamente finché un'azienda non supera i 10 milioni di dollari di ricavi annuali, punto in cui si applica una licenza commerciale. Si tratta di una soglia di ricavi inferiore rispetto a quella prevista da Apache 2.0, e vale la pena verificarla rispetto ai propri numeri prima di un lancio commerciale.

L'elaborazione sul dispositivo è il punto, e le dichiarazioni sulla velocità sono l'anello più debole.

I numeri hardware di Liquid sono la parte del lancio più probabilmente citata e meno probabilmente destinata a sopravvivere al contatto con la vostra macchina. L'azienda dichiara184 token al secondo su un Apple M5 Max, 114 token al secondo su un AMD Ryzen AI Max+ 395, "fino a 1,7 volte più veloce rispetto a MoE comparabili on-device", e — all'altro estremo dello spettro — oltre 21.000 token di output al secondo su una singola NVIDIA B300 con elevata concorrenza sotto SGLang 0.5.22, misurati con 1.024 token di input e fino a 256 token di output in BF16.

Ognuno di questi dati è dichiarato dal fornitore e non riprodotto, e i due estremi di quell'intervallo non sono confrontabili tra loro: 184 tok/s su un laptop corrispondono a una build MLX o GGUF quantizzata di un modello con 2,45B parametri attivi, mentre 21K tok/s è una GPU da datacenter che serve molte richieste in contemporanea. L'affermazione del fattore 1,7× non ha alcuna baseline pubblicata a corredo — "MoE comparabili" non è una definizione. Ciò che sopravvive a tutte e tre è l'argomento architetturale, che non dipende dalle misurazioni del fornitore: un file Q4_K_M da 14,5 GB che attiva 2,45B parametri per token è economico da mantenere in memoria e da eseguire, e la demo che Liquid distribuisce — il modello che pianifica e chiama strumenti all'interno di Hermes Agent su un MacBook Pro con M5 Max, senza chiamate al cloud — è la vera promessa del prodotto.

Se instradi i modelli invece di ospitarli, la forma di questo rilascio è quella scomoda: ciò che rende interessante LFM2.5-24B-A2B è l'esecuzione privata, on-device, ed è esattamente la modalità che un'API ospitata non può offrirti. Oggi non serviamo questo checkpoint su OrcaRouter. Quello che serviamo è l'altro lato di ogni confronto nel post di lancio — qwen/qwen3.6-35b-a3b è nel nostro catalogo, insieme sia a google/gemma-4-26b-a4b-it sia a obsidian/gemma-4-26B-A4B — quindi i punti di riferimento rispetto ai quali Liquid ha misurato questo modello sono a una chiave API di distanza se vuoi eseguire il confronto sui tuoi task invece che sulla tabella di benchmark di un fornitore.

Cosa farne, onestamente

Scarica la build Q4_K_M o la build MLX quantizzata ed esegui il tuo harness di agente su di essa prima di credere a uno qualsiasi dei numeri qui sopra — è l'intera proposta di valore, e ti costa un download da 14 GB e un pomeriggio. La prova che questa generazione è un vero salto di qualità è architetturale e verificabile: contesto da 131K e una fase di RL agentico sono entrambi visibili nel checkpoint e nella configurazione, non solo in un post di blog. Ciò che non è ancora verificabile è la tabella dei benchmark, l'affermazione di 1,7× e se il comportamento di reward hacking emerge nel tuo carico di lavoro come Liquid dice che sia accaduto nel loro.

La domanda aperta da tenere d'occhio non è se questo modello sia buono. È se la forma MoE 24B-A2B continui a dare i suoi frutti man mano che il contesto cresce — 131K su un modello con 2,45B di parametri attivi è un bel po' di cache da mantenere coerente nella memoria unificata di un singolo laptop, e nessuno ha ancora pubblicato numeri di retrieval a contesto lungo per questo checkpoint. Se regge sotto un vero lavoro agentico con documenti lunghi, Liquid avrà dimostrato che il livello edge non deve essere il livello su cui scendere a compromessi. Fino ad allora, la posizione onesta su LFM2.5-24B-A2B è quella a cui arriva il post dello stesso fornitore: un chiamatore di strumenti veloce e ben istruito, da indirizzare verso il retrieval e un vero harness, non verso le vostre domande di conoscenza.

Un rilascio è anche il momento di verificare cosa è andato storto in precedenza: gli incidenti documentati di IA e i guasti degli agenti relativi ai modelli di questa classe sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di affidabilità e il flag di contestazione.