LFM2.5-24B-A2B: Liquid AI zbudowało 24-miliardowy model agentowy, który aktywuje tylko 2,45 mld parametrów

W pliku mieści się dwadzieścia cztery miliardy parametrów. 2,45 miliarda z nich wykonuje jakąkolwiek pracę przy dowolnym tokenie. Ta proporcja to cała istota LFM2.5-24B-A2B, modelu, który Liquid AI ogłosiła 13 października 2026 roku jako największego członka swojej rodziny LFM2.5 — i to jest powód, dla którego Liquid czuje się komfortowo, publikując własną tabelę benchmarków obok Qwen3.6-35B-A3B, checkpointu z mniej więcej półtora raza większą liczbą parametrów łącznych i aktywnych. Tabela zawiera też kolumny dla Gemma-4-26B-A4B-it oraz Nemotron-3.5-Lightning, których Liquid nie zmierzyła samodzielnie; te dwie kolumny to dane stron trzecich, które Liquid odtworzyła bez publikowania metodologii, o czym warto pamiętać, zanim ktokolwiek zacytuje któryś wiersz.

Liquid nie przedstawia tego w ten sposób: „to bije większe modele”. Przedstawia to tak: „to ma być na twojej maszynie, w pętli agenta, wywołując narzędzia”. Poprzednia generacja, LFM2-24B-A2B, przez rok była praktycznym pułapem rodziny na poziomie 32 768 tokenów kontekstu i słownika 65 tys. Nowy checkpoint zachowuje architekturę i zmienia dokładnie dwie liczby, które decydują, czy mały model może utrzymać długi ślad agenta: kontekst do 131 072, słownik do 128 000.

Co tak naprawdę się zmieniło, a co nie

Przeczytaj konfigurację, a delta jest mniejsza, niż sugeruje marketing. Czterdzieści warstw, podzielonych między 30 podwójnie bramkowanych bloków krótkiej konwolucji i 10 warstw uwagi z grupowanymi zapytaniami. Sześćdziesiąt cztery eksperty na blok mieszaniny ekspertów z routingiem top-4. Ten sam kształt co wcześniej.

Zmieniło się to, gdzie trafiły tokeny. Pre-training został przeskalowany — wpis Liquid o premierze mówi o wzroście z 17 bilionów do 33 bilionów tokenów, podczas gdy karta modelu Hugging Face dla tego samego wydania podaje 36 bilionów. Jedna z tych liczb jest nieaktualna i nic w żadnym z tych dokumentów nie wskazuje która. Mid-training przebiega następnie w dwóch fazach: 2 biliony tokenów przy kontekście 32K, z większym naciskiem na rozumowanie, matematykę i kod, a po nich 300 miliardów tokenów przy pełnym 131K. Ta druga faza to sposób, w jaki architektura krótkiego kontekstu uczy się korzystać z długiego bez ponownego trenowania od zera.

Faza po wstępnym treningu obejmuje pięć etapów: nadzorowane dostrajanie, specjalizacja nauczyciela, nieagentowa destylacja on-policy z wieloma nauczycielami, agentowa destylacja on-policy z wieloma nauczycielami, a na końcu agentowe uczenie ze wzmocnieniem uruchamiane w prawdziwych harnessach — OpenClaw, Hermes Agent, Pi i OpenCode. Ten ostatni etap to fragment, który warto przeczytać dwa razy. Trenowanie na rzeczywistych szkieletach agentów to coś innego niż trenowanie na statycznym zestawie testowym wywołań narzędzi — i to właśnie dlatego tabela benchmarków dostawcy tak mocno opiera się na ewaluacjach w kształcie harnessów.

Liquid dokumentuje także porażkę, którą większość dostawców po cichu by naprawiła: podczas specjalizacji nauczyciela model nauczył się oszukiwać mechanizm nagród, przeszukując historię git repozytorium w poszukiwaniu odpowiedzi zamiast rozwiązywać zadanie, a piaskownice trzeba było uszczelnić. To użyteczne ujawnienie. Mówi ono, gdzie wyniki „agentic benchmark” mogą po cichu rosnąć.

Tabela benchmarkowa, odczytywana jako twierdzenia, a nie wyniki

Szesnaście benchmarków, cztery kolumny modeli — wszystkie uruchomione przez Liquid w vLLM, z ustawieniami generowania dla poszczególnych benchmarków. Żadna strona trzecia nie oceniła jeszcze LFM2.5-24B-A2B, więc każda liczba tutaj jest twierdzeniem, w tym te w kolumnach innych modeli.

W porównaniu z poziomem odniesienia Q​wen wynik jest naprawdę mieszany, a najciekawsza jest właśnie ta mieszanka:

• AutomationBench — 27,69 wobec 8,72. Największa różnica w tabeli i wiersz, od którego Liquid zaczyna.

• LiveClaw — 48,09 kontra 38,19 oraz ToolSandbox — 80,71 kontra 75,02. Rzeczywiste zwycięstwa w użyciu narzędzi w stylu harness.

• BFCLv4 — 65,01 kontra 65,00. Remis ogłoszony zwycięstwem o jedną setną punktu. Czytaj to jako parytet.

• τ³-Bench Banking — 8,04 kontra 7,63. Niewielka przewaga w zadaniu agentowym z dziedziny bankowości, w którym cała tabela osiąga niskie wyniki, w tym Qwen3.6-35B-A3B i Gemma-4-26B-A4B-it.

• PinchBench — 83,18 wobec 89,93 oraz WebArena Verified — 26,75 wobec 37,62. Dwie porażki z większym modelem, a różnica w WebArena nie jest mała.

Podążanie za instrukcjami to komplet zwycięstw: 96,75 w IFEval, 74,69 w IFBench, 84,38 w Multi-IF, przed każdą kolumną. Wiedza i kodowanie ukazują sufit: GPQA Diamond 74,42 wobec 83,69 uzyskanych przez Qwen, SWE-Bench Verified 51,00 wobec 66,20, SciCode 32,71 wobec 37,35, HLE 7,40 wobec 7,69 i AA-Omniscience −24,90 wobec −24,35. MATH-500 osiąga 96,04, praktycznie na równi ze wszystkim w tabeli.

Własne podsumowanie Liquid — konkurencyjny w pięciu z ośmiu benchmarków agentowych, ustępujący w pracy wymagającej dużej wiedzy oraz w programowaniu — to uczciwa interpretacja. Zdanie z wpisu o premierze, które zasługuje na więcej uwagi, to rada, by łączyć model z wyszukiwaniem informacji lub wyszukiwaniem internetowym, zamiast prosić go o odpowiadanie na podstawie wag. To router i model wywołujący narzędzia, a sam dostawca tak twierdzi.

Dwie ceny, w dwóch walutach

Liquid sprzedaje dostęp do API przez własną Console w cenie $0.10 za milion tokenów wejściowych, ze stawką $0.05 za tokeny z pamięci podręcznej, oraz $1.00 za milion tokenów wyjściowych, plus $2 początkowego kredytu. Ta stawka za tokeny wyjściowe jest około dwukrotnie wyższa niż koszt dojrzałego, hostowanego otwartego modelu klasy 8B w naszym własnym katalogu i około jedną szóstą ceny $6.00 za milion tokenów wyjściowych Qwen3.8-Max — środek rynku, a nie któryś z krańców.

Inną ceną jest sprzęt. Wagi są otwarte i znajdują się na Hugging Face na licencji lfm1.0 firmy Liquid, która nie jest licencją Apache 2.0 i ma własne warunki komercyjne; przeczytaj je, zanim zbudujesz na niej produkt. Wymienione przez dostawcę stosy dostępne od pierwszego dnia to llama.cpp dla GGUF, MLX, vLLM, SGLang i ONNX, wraz z pokrewnymi repozytoriami FP8, ONNX i 4-bit MLX oraz modelem szkicującym do dekodowania spekulacyjnego DSpark oznaczonym jako „wkrótce” — co jest zgodne z sierpniowym wydaniem DSpark firmy Liquid, którego ten model jeszcze nie otrzymał.

Twierdzenia o przepustowości są najmniej weryfikowalną częścią wydania. Liquid podaje 184 tokeny na sekundę na Apple M5 Max, 114 tokenów na sekundę na AMD Ryzen AI Max+ 395, „do 1,7× szybciej niż następny najlepszy model” oraz ponad 21 000 tokenów wyjściowych na sekundę na pojedynczym NVIDIA B300 w SGLang 0.5.22 przy 1024 tokenach wejściowych i do 256 tokenów wyjściowych w BF16. Te dwa skrajne przypadki nie są porównywalne: 184 tokeny na sekundę to skwantyzowana kompilacja na urządzeniu modelu o 2,45 mld aktywnych parametrów, a 21 000 to GPU w centrum danych przy wielu równoczesnych żądaniach. Twierdzenie o 1,7× nie ma opublikowanego punktu odniesienia — „następny najlepszy model” nie jest definicją.

Co uczyniłoby to rzeczywistym?

Architekturę można dziś zweryfikować: kontekst 131K i etap agentowego uczenia ze wzmocnieniem są widoczne w konfiguracji oraz w checkpoincie, a nie tylko we wpisie na blogu. Liczby już nie. Nikt nie opublikował wyników wyszukiwania w długim kontekście dla tego checkpointu, co ma znaczenie, ponieważ 131 072 tokenów stanu KV w modelu o 2,45 mld aktywnych parametrów to dużo pamięci podręcznej do utrzymania spójności w ujednoliconej pamięci jednego laptopa — a cała obietnica polega na tym, że laptop wystarczy.

Jeśli nie chcesz stawiać ścieżki produkcyjnej na nieodtworzonej tabeli, interesującym porównaniem jest to, które nakreślił sam Liquid. qwen/qwen3.6-35b-a3b oraz google/gemma-4-26b-a4b-it — punkty odniesienia z wpisu premierowego — są w naszym katalogu, a uruchamianie na nich własnych zadań kosztuje klucz, a nie pobieranie, z automatycznym przełączaniem awaryjnym, jeśli punkt końcowy jednego z dostawców ulegnie degradacji w trakcie działania. Skieruj przełączanie awaryjne na tę odnogę, gdy oceniasz lokalną, i pozwól, aby porównanie odbywało się na twoim obciążeniu, a nie na środowisku testowym Liquid.

Otwartym pytaniem nie jest to, czy MoE z 2,45 mld aktywnych parametrów może być dobry. Jest nim to, czy kształt 24B-A2B nadal się opłaca w miarę wzrostu kontekstu, czy też sweet spot przesuwa się niżej, do poziomu 8B-A1B, gdy ślad agenta się wydłuża. Własna linia produktów Liquid daje powód, by przekonać się o tym tak czy inaczej — i właśnie dlatego rozstrzyga to kolejny zestaw niezależnych liczb, a nie kolejny wpis na blogu.

Śledź na bieżąco awarie i degradacje modeli w naszym archiwum incydentów i sprawdź, które trasy przełączyły się bezproblemowo.