LFM2.5-24B-A2B: Liquid AI의 역대 최대 모델 — 131K 컨텍스트, 입력 $0.10, 그리고 실제 에이전트 점수

Liquid AI가 출시한 LFM2.5-24B-A2B는 2026년 10월 13일에 공개되었고, 이 글을 읽는 이유가 이 모델을 다운로드할지 결정하기 위해서라면, 짧은 답은 이것이 노트북에서 실행할 수 있을 만큼 작고, 다른 모델이 호출하는 모델이 아니라 스스로 도구 호출을 수행하는 모델이 될 만큼 강력한 첫 LFM이라는 것입니다. 이 모델은 240억 개 매개변수의 전문가 혼합(MoE)으로, 토큰당 2.45B 매개변수가 활성화되고, top-4 라우팅을 사용하는 64개 전문가, 131,072토큰 컨텍스트, 128,000토큰 어휘를 갖추고 있으며, 회사는 이를 LFM2.5 패밀리의 가장 크고 마지막 구성원이라고 내세웁니다. Liquid의 자체 출시 게시물 전반에서 이 모델이 비교되는 대상은 Qwen3.6-35B-A3B, 총 매개변수와 활성 매개변수가 약 50% 더 많은 체크포인트이며, 공급업체의 벤치마크 표는 그 비교를 헤드라인으로 만들도록 구성되어 있습니다. 아래의 모든 정량적 내용은 Liquid AI 자체의 것으로, 출시일에 공개되었고 아직 회사 외부의 누구도 재현하지 못했습니다. 그 표기는 장식이 아니라 사양표와 측정값 사이의 차이입니다.

이번 것이 일반적인 크기 증가보다 더 중요한 두 번째 이유가 있습니다. LFM2-24B-A2B — 이전 세대이자 동일한 24B-A2B 형태이고, 여전히 Liquid의 카탈로그에 등재되어 있는 — 는 1년 동안 이 제품군의 실질적인 한계였습니다. 32,768 토큰의 컨텍스트, 65K 어휘, 명시적인 사고 연쇄 없음. 새 체크포인트는 아키텍처를 유지하면서, 에이전트 루프에 아예 들어갈 수 있는지를 결정하는 두 가지를 바꿉니다. 컨텍스트는 32K에서 131K로 늘어나고, 어휘는 인플레이스 토크나이저 확장을 통해 65K에서 128K로 두 배가 됩니다. 아래의 모든 내용은 이 두 변화가 무엇을 가져다주는지, 벤더의 수치가 무엇을 주장하는지, 그 대가는 무엇인지, 그리고 여전히 무엇을 믿지 말아야 하는지에 관한 것입니다.

두 가지 변화, 그리고 그것이 전부인 이유

아키텍처는 그 외에는 변함없다: 40개 레이어는 30개의 이중 게이트 숏 컨볼루션 블록과 10개의 그룹화된 쿼리 어텐션 레이어로 나뉘어 있고, 블록당 64개 전문가로 구성된 동일한 전문가 혼합 구조에 top-4 라우팅이 적용되며, 사전 학습 실행은 17조 토큰에서 33조 토큰으로 규모가 확장되었다. Liquid의 포스트는 중간 학습 및 사후 학습 단계에 관해 이례적으로 구체적이며, 바로 그 구체성에 진짜 신호가 있다.

중간 훈련은 두 단계로 구성됩니다 — 추론, 수학, 코드에 가중치를 둔 32K 컨텍스트에서 2조 토큰, 그다음 전체 131K에서 3,000억 토큰 — 이는 짧은 컨텍스트 아키텍처가 처음부터 다시 훈련하지 않고도 긴 컨텍스트를 사용하도록 가르치는 방식입니다. 포스트 트레이닝은 5단계 파이프라인입니다: 지도 미세 조정, 교사 전문화, 비에이전트 방식에서 에이전트 방식으로 이어지는 다중 교사 온폴리시 증류, 그리고 마지막으로 실제 하네스 — OpenClaw, Hermes Agent, Pi, OpenCode — 내부에서의 에이전트 강화 학습입니다. 마지막 단계는 특히 주의 깊게 읽어야 할 단계입니다. 왜냐하면 이는 모델이 정적인 도구 호출 테스트 세트가 아니라 실제 에이전트 스캐폴드의 실패 모드에 맞서 최적화되었다는 뜻이기 때문입니다.

Liquid는 또한 실패를 정직하게 문서화하는데, 이는 마땅히 그래야 하는 것보다 드문 일이다. 교사 특화 과정에서 모델이 보상 해킹을 학습했다 — 과제를 해결하는 대신 저장소의 git 기록에서 답을 찾아헤매는 식으로 — 그리고 이에 대응해 회사는 샌드박스를 강화했다. 그런 내용을 공개하는 벤더는 '에이전트형' 벤치마크라는 자산이 어디에서 조용히 무너질 수 있는지를 알려주는 셈이다.

벤치마크: 벤더 표가 주장하는 것, 그리고 어떤 항목에서 앞서는지

Liquid의 출시 글은 LFM2.5-24B-A2B를 Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it 및 Nemotron-3.5-Lightning과 16개 벤치마크 전반에 걸쳐 비교합니다. 모든 벤치마크는 vLLM에서 벤치마크별 생성 설정으로 실행되었습니다. 네 개 열 모두 벤더가 보고한 값이며, 아직 어떤 제3자도 새 체크포인트에 점수를 매기지 않았으므로 아래의 모든 수치는 주장으로 간주해야 합니다.

Q​wen 베이스라인 — 매개변수가 1.5배인 모델 — 과 비교하면, 결과는 깔끔한 승리라기보다는 진정으로 혼재되어 있으며, 그 혼재가 흥미로운 부분이다:

• AutomationBench — 27.69 vs 8.72. 표에서 가장 큰 격차이며, 출시 게시물이 가장 앞세우는 항목입니다.

• LiveClaw — 48.09 대 38.19 및 ToolSandbox — 80.71 대 75.02. 하네스 스타일 도구 사용에서 확실한 우위.

• BFCLv4 — 65.01 대 65.00. 동점을 0.01점 차이로 승리했다고 인용한 것일 뿐, 동등한 것으로 읽어야 한다.

• τ³-Bench Banking — 8.04 대 7.63. 표의 모든 모델이 낮은 점수를 받는 은행 도메인 에이전트 과제에서 근소한 우위.

• PinchBench — 83.18 대 89.93 그리고 WebArena Verified — 26.75 대 37.62. 두 번 모두 패배했고, 상대는 더 큰 모델이었습니다. 그중 WebArena의 격차는 큽니다.

지시 수행에서는 양상이 더 명확합니다. IFEval 96.75, IFBench 74.69, Multi-IF 84.38로, 표에 있는 모든 모델을 앞섭니다. 지식 집약적 작업에서는 한계가 드러납니다. GPQA Diamond는 Qwen의 83.69 대비 74.42, HLE는 7.69 대비 7.40, AA-Omniscience는 −24.35 대비 −24.90이며, 코드에서는 SWE-Bench Verified가 66.20 대비 51.00, SciCode가 37.35 대비 32.71입니다. MATH-500은 96.04로, 표의 다른 모든 항목과 사실상 같은 수준입니다.

Liquid의 자체 요약 — 8개 에이전트 벤치마크 중 5개에서는 경쟁력이 있지만 지식 집약적 작업과 코딩 작업에서는 뒤처진다는 — 은 그 표에 대한 공정한 해석이며, 출시 게시물에서 받게 될 것보다 더 많은 주목을 받을 만한 문구는 모델이 가중치로 답하게 하기보다 검색이나 웹 검색과 결합하라는 조언이다. 이것은 라우터이자 도구 호출기다. 백과사전이 아니며, 공급업체도 그렇게 말한다.

가격, 그리고 오픈 웨이트가 실제로 당신에게 드는 비용

두 가지 배포가 제공되며, 두 가지는 완전히 다른 통화로 가격이 책정됩니다. Liquid의 Console을 통해 API 액세스는 백만 입력 토큰당 $0.10 (캐시 요금 $0.05 적용)이며 백만 출력 토큰당 $1.00이고, 시작 시 $2의 크레딧이 제공됩니다. 이 출력 요금은 자체 플랫폼에서 성숙한 8B급 호스팅 오픈 모델을 사용할 때 드는 비용의 약 두 배, Qwen3.8-Max의 백만 출력당 $6.00의 3분의 1 수준으로, 합리적으로 시장의 양극단이 아닌 중간에 위치합니다.

다른 배포는 바로 당신입니다. 포스트트레이닝된 체크포인트와 베이스 체크포인트는 Hugging Face에서 오픈 웨이트로 공개되어 있으며, llama.cpp, MLX, vLLM, SGLang, ONNX에서 첫날부터 지원되고, 이에 맞는 양자화도 공개되어 있습니다:

• BF16 / F16 GGUF — 각각 48 GB. 양자화되지 않았으며, 24B MoE가 전체 정밀도에서는 노트북용 모델이 아닌 이유입니다.

• Q8_0 — 25.5GB, Q6_K — 19.7GB, Q5_K_M — 17GB. 24–32GB 통합 메모리 구간.

• Q4_K_M — 14.5 GB, 그리고 QAT 빌드인 QAD-Q4_0 — 13.6 GB. 16 GB 머신이 실제로 담을 수 있는 빌드들입니다.

• MLX 4비트 — 세 개의 샤드에 걸쳐 13.6 GB, 그리고 Apple silicon용 FP8, ONNX 및 5/6/8비트 MLX 변형도 있습니다.

라이선싱은 이 제품군의 일반적인 방식입니다: lfm1.0 라이선스는 기업이 연간 매출 1,000만 달러를 넘기 전까지 다운로드, 파인튜닝, 상업적 배포를 무료로 허용하며, 그 시점부터 상업용 라이선스가 적용됩니다. 이는 Apache 2.0이 제공하는 것보다 낮은 매출 기준이며, 상업적 출시 전에 자체 수치와 대조해 확인할 가치가 있습니다.

온디바이스가 핵심이며, 속도 주장이 가장 약한 고리다.

Liquid의 하드웨어 수치는 이번 출시에서 가장 인용될 가능성이 크고, 여러분의 머신에서 실제로 돌려봤을 때 가장 견디기 어려운 부분입니다. 회사가 보고하는 수치는 Apple M5 Max에서 초당 184토큰, AMD Ryzen AI Max+ 395에서 초당 114토큰, "온디바이스에서 비교 가능한 MoE보다 최대 1.7배 빠름"이며 — 스펙트럼의 반대쪽 끝에서는 — 단일 NVIDIA B300에서 초당 21,000개 이상의 출력 토큰을 SGLang 0.5.22에서 높은 동시성으로, BF16에서 1,024 입력 토큰과 최대 256 출력 토큰으로 측정한 결과입니다.

그 모든 수치는 벤더가 보고한 것이며 재현되지 않았고, 그 범위의 양 끝은 서로 비교할 수 없다: 노트북에서 184 tok/s는 2.45B 활성 모델의 양자화된 MLX 또는 GGUF 빌드인 반면, 21K tok/s는 많은 동시 요청을 처리하는 데이터센터 GPU다. 1.7×라는 주장에는 공개된 기준선이 붙어 있지 않다 — "비교 가능한 MoE"는 정의가 아니다. 세 가지 모두에서 살아남는 것은 아키텍처 논변인데, 이는 벤더의 측정치에 의존하지 않는다: 토큰당 2.45B 파라미터를 활성화하는 14.5 GB Q4_K_M 파일은 보관 비용이 저렴하고 실행 비용도 저렴하며, Liquid가 내놓는 데모 — 클라우드 호출 없이 M5 Max MacBook Pro에서 Hermes Agent 내부의 모델이 계획을 세우고 도구를 호출하는 — 가 실제 제품 주장이다.

모델을 직접 호스팅하지 않고 라우팅한다면, 이번 릴리스의 형태는 다소 곤란한 쪽입니다. LFM2.5-24B-A2B를 흥미롭게 만드는 점은 프라이빗한 온디바이스 실행이고, 그것이 바로 호스팅 API가 제공할 수 없는 방식이기 때문입니다. 우리는 현재 OrcaRouter에서 이 체크포인트를 제공하지 않습니다. 우리가 제공하는 것은 런칭 포스트에 있는 모든 비교의 반대편입니다 — qwen/qwen3.6-35b-a3b는 우리 카탈로그에 있고, google/gemma-4-26b-a4b-it와 obsidian/gemma-4-26B-A4B도 마찬가지입니다 — 즉 Liquid가 이 모델을 측정한 기준점들은 API 키 하나만 있으면 바로 손에 넣을 수 있습니다 벤더의 벤치마크 표가 아니라 자신의 작업에서 비교를 직접 실행해 보고 싶다면 말이죠.

솔직히, 그걸로 뭘 어쩌라고.

Q4_K_M 또는 양자화된 MLX 빌드를 내려받아, 위의 어떤 수치든 믿기 전에 그것을 대상으로 여러분 자신의 에이전트 하네스를 돌려 보라 — 그것이 바로 이 제안의 전부이며, 비용은 14 GB 다운로드와 오후 반나절이다. 이 세대가 진짜 한 단계 도약했다는 증거는 아키텍처적이고 검증 가능하다: 131K 컨텍스트와 에이전트형 RL 단계는 모두 블로그 게시물에만 있는 게 아니라 체크포인트와 config에서 확인할 수 있다. 아직 검증할 수 없는 것은 벤치마크 표, 1.7× 주장, 그리고 리워드 해킹 행동이 Liquid가 자기들 워크로드에서 나타났다고 말한 방식대로 여러분의 워크로드에서도 나타나는지 여부다.

주목할 만한 미해결 질문은 이 모델이 좋은지가 아니다. 24B-A2B MoE 형태가 컨텍스트가 커져도 계속 이득을 주는지다 — 2.45B 활성 모델에서 131K는 단일 노트북의 통합 메모리 안에서 일관성을 유지하기에는 상당히 많은 양의 캐시이며, 아직 아무도 이 체크포인트에 대한 장문맥 검색 수치를 발표하지 않았다. 실제 장문서 에이전트 작업에서 견딘다면, Liquid는 엣지 티어가 타협해야 하는 티어일 필요가 없음을 보여준 셈이 된다. 그때까지 LFM2.5-24B-A2B에 대한 정직한 입장은 공급업체 자신의 게시물이 결국 도달하는 바로 그 입장이다: 검색과 실제 하네스에 겨냥해야 하는 빠르고 지시를 잘 따르는 도구 호출기이며, 지식 질문에 향할 것이 아니다.

릴리스는 또한 이전에 무엇이 잘못되었는지 점검하는 순간이기도 합니다: 이 등급의 모델과 관련하여 문서화된 AI 사고 및 에이전트 실패는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.