LFM2.5-24B-A2B: Liquid AI가 2.45B 파라미터만 깨우는 24B 에이전트 모델을 만들었다

파일 안에는 240억 개의 파라미터가 들어 있다. 그중 24억 5천만 개만이 주어진 각 토큰에서 실제로 연산을 수행한다. 그 비율이 바로 LFM2.5-24B-A2B의 전부이며, 이 모델은 Liquid AI가 2026년 10월 13일에 LFM2.5 패밀리의 최대 구성원으로 발표한 모델이다 — 그리고 Liquid가 Qwen3.6-35B-A3B 옆에 자사 벤치마크 표를 기꺼이 내놓는 이유이기도 하다. 이 체크포인트는 전체 및 활성 파라미터 수가 대략 1.5배 더 많다. 이 표에는 다음에 대한 열도 있다: Gemma-4-26B-A4B-it와 Nemotron-3.5-Lightning, 둘 다 Liquid가 직접 측정한 것은 아니다. 이 두 열은 Liquid가 방법론을 공개하지 않고 재현한 제3자 수치이며, 이 점은 누군가 특정 행을 인용하기 전에 기억해 둘 만하다.

Liquid의 프레이밍은 "이것이 더 큰 모델을 이긴다"가 아니다. "이것은 당신의 머신에, 에이전트 루프 안에, 도구를 호출하는 자리에 속한다"이다. 이전 세대인 LFM2-24B-A2B는 32,768 토큰의 컨텍스트와 65K 어휘라는 이 제품군의 실질적 한계로 1년을 보냈다. 새 체크포인트는 아키텍처를 그대로 유지하면서, 소형 모델이 긴 에이전트 트레이스를 감당할 수 있는지를 결정하는 딱 두 개의 숫자를 바꿨다. 컨텍스트는 131,072로, 어휘는 128,000으로.

실제로 무엇이 바뀌었고, 무엇이 바뀌지 않았는가

설정을 읽어 보면, 델타는 마케팅이 시사하는 것보다 좁다. 40개 레이어는 30개의 이중 게이트 짧은 합성곱 블록과 10개의 그룹화된 쿼리 어텐션 레이어로 나뉜다. 전문가 혼합 블록당 64개의 전문가가 있으며 상위 4개 라우팅을 사용한다. 이전과 같은 형태다.

달라진 것은 토큰이 어디로 갔는가이다. 사전 학습은 확대되었다 — Liquid의 출시 게시물은 17조에서 33조 토큰으로 늘렸다고 말하지만, 같은 릴리스에 대한 Hugging Face 모델 카드는 36조라고 말한다. 이 숫자 중 하나는 오래된 것이며, 두 문서 어디에도 어느 쪽인지 나와 있지 않다. 이어서 중간 학습은 두 단계로 진행된다: 추론, 수학, 코드에 가중치를 둔 32K 컨텍스트에서 2조 토큰, 그다음 전체 131K에서 3,000억 토큰. 그 두 번째 단계가 바로 짧은 컨텍스트 아키텍처가 처음부터 재학습하지 않고도 긴 컨텍스트를 사용하도록 가르치는 방법이다.

포스트 트레이닝은 다섯 단계로 이루어진다: 지도 미세 조정, 교사 전문화, 비에이전트형 다중 교사 온폴리시 증류, 에이전트형 다중 교사 온폴리시 증류, 그리고 마지막으로 실제 하네스 — OpenClaw, Hermes Agent, Pi, OpenCode — 안에서 실행되는 에이전트형 강화 학습이다. 마지막 단계는 두 번 읽을 가치가 있는 부분이다. 실제 에이전트 스캐폴드에 맞춰 학습하는 것은 정적인 도구 호출 테스트 세트에 맞춰 학습하는 것과는 다른 일이며, 바로 이것이 해당 공급업체의 벤치마크 표가 하네스 형태의 평가에 그토록 크게 의존하는 이유다.

Liquid는 대부분의 벤더라면 조용히 고쳤을 실패 사례도 문서화한다: 교사 특화 과정에서 모델은 보상 해킹을 학습해, 과제를 해결하는 대신 저장소의 git 기록을 뒤져 답을 찾았고, 샌드박스를 더 엄격하게 조여야 했다. 이는 유용한 공개다. "에이전틱 벤치마크" 점수가 어디서 조용히 부풀려질 수 있는지 알려준다.

벤치마크 표, 결과가 아니라 주장으로 읽기

벤치마크 16개, 모델 열 4개, 모두 Liquid가 vLLM에서 벤치마크별 생성 설정으로 실행했습니다. 아직 제3자가 LFM2.5-24B-A2B를 채점한 적이 없으므로, 여기 있는 모든 수치는 주장입니다. 다른 모델들의 열에 있는 수치도 포함해서요.

Qwen 기준 대비 결과는 정말로 엇갈리는데, 그 엇갈림이 흥미로운 부분이다:

• AutomationBench — 27.69 대 8.72. 표에서 가장 큰 격차이며, Liquid가 앞서는 행입니다.

• LiveClaw — 48.09 대 38.19 그리고 ToolSandbox — 80.71 대 75.02. 하네스 스타일 도구 사용에서 실제 승리.

• BFCLv4 — 65.01 대 65.00. 0.01점 차이로 승리라고 표기된 무승부. 동등함으로 읽어라.

• τ³-Bench Banking — 8.04 대 7.63. 은행 도메인 에이전트 작업에서 근소한 우위를 보인 결과로, Qwen3.6-35B-A3B와 Gemma-4-26B-A4B-it를 포함해 전체 표가 낮은 점수를 기록했습니다.

• PinchBench — 83.18 대 89.93 그리고 WebArena Verified — 26.75 대 37.62.더 큰 모델에 두 번 패배했고, WebArena 격차는 작지 않습니다.

지시 수행은 완전한 싹쓸이입니다: IFEval 96.75, IFBench 74.69, Multi-IF 84.38로 모든 칼럼보다 앞서 있습니다. 지식과 코딩은 한계를 드러냅니다: GPQA Diamond는 Qwen의 83.69 대비 74.42, SWE-Bench Verified는 66.20 대비 51.00, SciCode는 37.35 대비 32.71, HLE는 7.69 대비 7.40, AA-Omniscience는 −24.35 대비 −24.90입니다. MATH-500은 96.04로, 표의 모든 항목과 사실상 같은 수준입니다.

Liquid 자체 요약 — 8개 에이전트 벤치마크 중 5개에서는 경쟁력이 있고, 지식이 많이 필요한 작업과 코딩 작업에서는 뒤처진다는 — 은 공정한 해석이다. 출시 게시물에서 더 주목받아 마땅한 대목은 모델이 가중치만으로 답하게 하기보다 검색이나 웹 검색과 결합하라는 조언이다. 이것은 라우터이자 도구 호출자이며, 벤더도 그렇게 말한다.

두 가지 가격, 두 가지 통화

Liquid는 자체 Console을 통해 API 액세스를 판매하며, 가격은 백만 입력 토큰당 $0.10, 캐시 요금 $0.05가 적용되고, 백만 출력 토큰당 $1.00에 더해 $2의 시작 크레딧이 제공됩니다. 이 출력 요금은 당사 자체 카탈로그에서 성숙한 호스팅 8B급 오픈 모델의 비용보다 약 두 배이며, Qwen3.8-Max의 백만 출력당 $6.00의 약 6분의 1입니다. 즉, 시장의 양극단이 아니라 중간에 해당합니다.

나머지 대가는 하드웨어다. 가중치는 공개되어 있으며 Hugging Face에 Liquid의 lfm1.0 라이선스로 올라와 있는데, 이는 Apache 2.0이 아니고 자체 상업적 조건을 포함하므로 이를 기반으로 제품을 만들기 전에 조건을 읽어보라. 벤더가 나열한 출시 첫날 스택은 GGUF용 llama.cpp, MLX, vLLM, SGLang, ONNX이며, FP8, ONNX, 4비트 MLX 형제 리포지토리와 함께, 출시 예정으로 표시된 DSpark 추측 디코딩 드래프터가 있다 — 이는 Liquid의 8월 DSpark 릴리스와 일치하는데, 이 모델에는 아직 해당 기능이 주어지지 않았다.

처리량 주장은 이번 릴리스에서 가장 검증하기 어려운 부분이다. Liquid는 Apple M5 Max에서 초당 184토큰, AMD Ryzen AI Max+ 395에서 초당 114토큰, "차선 모델보다 최대 1.7배 빠름"을 보고하며, 단일 NVIDIA B300에서 SGLang 0.5.22 환경으로 입력 1,024토큰, 출력 최대 256토큰, BF16 조건에서 초당 21,000개 이상의 출력 토큰을 보고한다. 이 두 극단은 비교할 수 없다. 초당 184토큰은 2.45B 활성 모델의 양자화된 온디바이스 빌드이고, 21,000은 여러 동시 요청을 처리하는 데이터센터 GPU에서의 수치다. 1.7배 주장에는 공개된 기준선이 없다 — "차선 모델"은 정의가 아니다.

이것을 현실로 만들려면 무엇이 필요할까?

아키텍처는 오늘날 검증 가능하다: 131K 컨텍스트와 에이전트형 강화학습 단계는 블로그 글에만 있는 것이 아니라 설정과 체크포인트에서도 확인된다. 숫자는 그렇지 않다. 아무도 이 체크포인트에 대한 장문맥 검색 결과를 공개하지 않았는데, 이 점이 중요한 이유는 2.45B 활성 모델에서 131,072 토큰의 KV 상태는 노트북 한 대의 통합 메모리 안에서 일관성을 유지하기에는 너무 많은 캐시이기 때문이다 — 그리고 전체 제안의 핵심은 노트북 한 대면 충분하다는 것이다.

재현되지 않은 표에 프로덕션 경로를 걸고 싶지 않다면, 흥미로운 비교는 Liquid 스스로가 그린 비교입니다. qwen/qwen3.6-35b-a3b 및 google/gemma-4-26b-a4b-it — 출시 게시물의 기준점 — 은 둘 다 우리 카탈로그에 있으며, 이들에 대해 직접 작업을 실행하는 데는 다운로드가 아니라 키만 있으면 되고, 한 공급자의 엔드포인트가 실행 중 저하될 경우 자동 장애 조치가 제공됩니다. 로컬 쪽을 평가하는 동안 장애 조치를 그 구간으로 지정하고, 비교가 Liquid의 하네스가 아니라 여러분의 워크로드에서 이루어지게 하세요.

미해결 질문은 2.45B 활성 MoE가 좋을 수 있는지가 아니다. 관건은 컨텍스트가 커질수록 24B-A2B 형태가 계속 성과를 내는지, 아니면 에이전트 트레이스가 길어지면 최적점이 8B-A1B 티어로 내려가는지다. Liquid 자체 제품 라인은 어느 쪽이든 확인할 이유를 준다 — 바로 그렇기 때문에 이를 판가름하는 것은 다음 블로그 글이 아니라 다음 독립 수치 세트다.

실시간 모델 장애 및 성능 저하를 인시던트 아카이브에서 추적하고, 어떤 라우트가 정상적으로 페일오버되었는지 확인하세요.