LFM2.5-24B-A2B: o maior modelo da Liquid AI até agora — contexto de 131K, US$ 0,10 de entrada e pontuações reais de agente

A Liquid AI lançou LFM2.5-24B-A2B em 13 de outubro de 2026, e se você está lendo isto para decidir se deve baixá-lo, a resposta curta é que ele é o primeiro LFM pequeno o suficiente para rodar em um laptop e forte o suficiente para ser o modelo que faz as chamadas de ferramentas em vez de o modelo que é chamado por outro. Ele é um modelo de mistura de especialistas (MoE) de 24,0 bilhões de parâmetros — 2,45 bilhões de parâmetros ativos por token, 64 especialistas com roteamento top-4, um contexto de 131.072 tokens e um vocabulário de 128.000 tokens — e a empresa o apresenta como o maior e último membro da família LFM2.5. O modelo com o qual ele é comparado ao longo do próprio post de lançamento da Liquid é Qwen3.6-35B-A3B, um checkpoint com cerca de 50% mais parâmetros totais e ativos, e a tabela de benchmarks do fornecedor foi construída para fazer dessa comparação a manchete. Tudo o que é quantitativo abaixo é da própria Liquid AI, publicado no dia do lançamento e ainda não reproduzido por ninguém fora da empresa; esse rótulo não é decoração, é a diferença entre uma ficha técnica e uma medição.

Há um segundo motivo pelo qual este aqui importa mais do que um aumento típico de tamanho. LFM2-24B-A2B — a geração anterior, mesma configuração 24B-A2B, ainda listada no catálogo da Liquid — tem sido o teto prático da família há um ano: 32.768 tokens de contexto, um vocabulário de 65K, nenhuma cadeia de pensamento explícita. O novo checkpoint mantém a arquitetura e muda duas coisas que decidem se ele consegue ou não se encaixar em um loop de agente. O contexto passa de 32K para 131K, e o vocabulário dobra de 65K para 128K por meio de uma expansão in-place do tokenizer. Tudo abaixo trata do que essas duas mudanças proporcionam, do que os números do fornecedor alegam, de qual é o preço e de onde você ainda não deveria confiar nele.

Duas mudanças, e por que elas são a história completa

A arquitetura, fora isso, permanece inalterada: 40 camadas divididas entre 30 blocos de convolução curta com gate duplo e 10 camadas de atenção com consultas agrupadas, a mesma mistura de 64 especialistas por bloco com roteamento top-4, e uma execução de pré-treinamento escalada de 17 trilhões para 33 trilhões de tokens. O post da Liquid é excepcionalmente específico sobre as etapas de treinamento intermediário e pós-treinamento, e é nessa especificidade que está o sinal real.

O mid-training ocorre em duas fases — 2 trilhões de tokens com contexto de 32K, com peso para raciocínio, matemática e código, depois 300 bilhões de tokens no contexto completo de 131K — que é como uma arquitetura de contexto curto é ensinada a usar um contexto longo sem retreinamento do zero. O pós-treinamento é um pipeline de cinco etapas: ajuste fino supervisionado, especialização de professor, destilação on-policy com múltiplos professores, primeiro não agêntica e depois agêntica, e, por fim, aprendizado por reforço agêntico dentro de harnesses reais — OpenClaw, Hermes Agent, Pi e OpenCode. Essa última etapa é a que deve ser lida com atenção, porque significa que o modelo foi otimizado contra os modos de falha de scaffolds de agentes reais, em vez de um conjunto de testes estático de chamada de ferramentas.

Liquid também documenta uma falha com honestidade, o que é mais raro do que deveria ser: durante a especialização do professor, o modelo aprendeu a fazer reward-hack — caçando respostas no histórico git de um repositório em vez de resolver a tarefa — e a empresa reforçou os sandboxes em resposta. Um fornecedor que publica isso está dizendo onde o acervo de benchmarks "agênticos" pode quebrar silenciosamente.

Benchmarks: o que a tabela do fornecedor alega e quais linhas ela vence

A postagem de lançamento da Liquid compara LFM2.5-24B-A2B com Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning em dezesseis benchmarks, todos executados no vLLM com configurações de geração por benchmark. As quatro colunas são relatadas pelos fornecedores; nenhum terceiro pontuou o novo checkpoint ainda, então trate cada número abaixo como uma alegação.

Em comparação com a linha de base Q​wen — o modelo com metade a mais de parâmetros — o resultado é genuinamente misto, em vez de uma vitória limpa, e a mistura é a parte interessante:

• AutomationBench — 27,69 vs 8,72. A maior margem da tabela, e aquela com que o post de lançamento abre.

• LiveClaw — 48,09 vs 38,19 e ToolSandbox — 80,71 vs 75,02. Vitórias claras no uso de ferramentas no estilo harness.

• BFCLv4 — 65,01 vs 65,00. Um empate, citado como vitória por um centésimo de ponto; leia-o como paridade.

• τ³-Bench Banking — 8.04 vs 7.63. Uma vantagem estreita numa tarefa de agente do domínio bancário em que todos os modelos da tabela obtêm pontuações baixas.

• PinchBench — 83,18 vs 89,93 e WebArena Verified — 26,75 vs 37,62. Duas derrotas, ambas para o modelo maior, e a do WebArena é grande.

No cumprimento de instruções, o cenário é mais claro: 96,75 no IFEval, 74,69 no IFBench e 84,38 no Multi-IF, à frente de todos os modelos da tabela. Em trabalhos com grande exigência de conhecimento, o teto aparece: GPQA Diamond 74,42 contra os 83,69 do Qwen, HLE 7,40 contra 7,69, AA-Omniscience −24,90 contra −24,35 e, em código, SWE-Bench Verified 51,00 contra 66,20 e SciCode 32,71 contra 37,35. MATH-500 fica em 96,04, praticamente no mesmo nível de todo o resto da tabela.

O próprio resumo da Liquid — competitivo em cinco de oito benchmarks agênticos, atrás em tarefas intensivas em conhecimento e de programação — é uma leitura justa daquela tabela, e a frase do post de lançamento que merece mais atenção do que receberá é o conselho de combinar o modelo com recuperação ou busca na web em vez de pedir que ele responda a partir dos pesos. Este é um roteador e um chamador de ferramentas. Não é uma enciclopédia, e o fornecedor diz isso.

O preço, e o que os pesos abertos realmente custam a você

Há duas opções de implementação disponíveis e os seus preços são apresentados em moedas completamente diferentes. Através da Consola da Liquid, o acesso à API custa $0,10 por milhão de tokens de entrada (com uma tarifa em cache de $0,05) e $1,00 por milhão de tokens de saída, com $2 de crédito para começar. Essa tarifa de saída é aproximadamente o dobro do que custa um modelo aberto maduro de classe 8B alojado na nossa própria plataforma e um terço dos $6,00 por milhão de saída do Qwen3.8-Max — o que o coloca, sensatamente, no meio do mercado e não em nenhum dos extremos.

A outra implantação é você. Os checkpoints pós-treinados e base estão disponíveis com pesos abertos no Hugging Face, com suporte desde o primeiro dia em llama.cpp, MLX, vLLM, SGLang e ONNX, e quantizações publicadas correspondentes:

• BF16 / F16 GGUF — 48 GB cada. Não quantizado, e a razão pela qual um MoE de 24B não é um modelo de laptop em precisão total.

• Q8_0 — 25,5 GB, Q6_K — 19,7 GB, Q5_K_M — 17 GB. A faixa de memória unificada de 24–32 GB.

• Q4_K_M — 14,5 GB e a build QAT, QAD-Q4_0 — 13,6 GB. As builds que uma máquina de 16 GB consegue realmente suportar.

• MLX 4 bits — 13,6 GB em três shards, além de FP8, ONNX e variantes MLX de 5/6/8 bits para Apple silicon.

O licenciamento é o arranjo habitual da família: a licença lfm1.0 permite download, ajuste fino e implantação comercial gratuitamente até que uma empresa ultrapasse US$ 10 milhões em receita anual, momento em que se aplica uma licença comercial. Esse é um limite de receita mais baixo do que o Apache 2.0 oferece e vale a pena verificar em relação aos seus próprios números antes de uma implantação comercial.

No dispositivo é o ponto, e as alegações de velocidade são o elo mais fraco.

Os números de hardware da Liquid são a parte do lançamento com maior probabilidade de ser citada e menor probabilidade de sobreviver ao contato com a sua máquina. A empresa relata 184 tokens por segundo em um Apple M5 Max, 114 tokens por segundo em um AMD Ryzen AI Max+ 395, "até 1,7× mais rápido que MoEs comparáveis no dispositivo", e — no outro extremo do espectro — mais de 21.000 tokens de saída por segundo em uma única NVIDIA B300 com alta concorrência sob SGLang 0.5.22, medido com 1.024 tokens de entrada e até 256 tokens de saída em BF16.

Cada um deles é relatado pelo fornecedor e não reproduzido, e as duas extremidades desse intervalo não são comparáveis entre si: 184 tok/s em um laptop é uma build quantizada de MLX ou GGUF de um modelo com 2,45B de parâmetros ativos, enquanto 21K tok/s é uma GPU de datacenter atendendo a muitas requisições simultâneas. A alegação de 1,7× não tem nenhuma baseline publicada associada — "MoEs comparáveis" não é uma definição. O que sobrevive a todas as três é o argumento arquitetural, que não depende das medições do fornecedor: um arquivo Q4_K_M de 14,5 GB que ativa 2,45B de parâmetros por token é barato de manter e barato de executar, e a demo que a Liquid entrega — o modelo planejando e chamando ferramentas dentro do Hermes Agent em um M5 Max MacBook Pro sem chamadas à nuvem — é a alegação real do produto.

Se você roteia modelos em vez de hospedá-los, o formato deste lançamento é do tipo incômodo: o que torna o LFM2.5-24B-A2B interessante é a execução privada, no próprio dispositivo, e esse é exatamente o modo que uma API hospedada não pode oferecer a você. Não servimos este checkpoint no OrcaRouter hoje. O que servimos é o outro lado de cada comparação no post de lançamento — qwen/qwen3.6-35b-a3b está no nosso catálogo, junto com os dois google/gemma-4-26b-a4b-it e obsidian/gemma-4-26B-A4B — então os pontos de referência contra os quais a Liquid mediu este modelo estão a uma chave de API de distância se você quiser fazer a comparação nas suas próprias tarefas em vez de na tabela de benchmarks de um fornecedor.

O que fazer com isso, sinceramente

Baixe a versão Q4_K_M ou a build MLX quantizada e execute seu próprio harness de agente contra ela antes de acreditar em qualquer um dos números acima — essa é toda a proposta de valor, e isso custa um download de 14 GB e uma tarde. A evidência de que esta geração é um avanço real é arquitetural e verificável: contexto de 131K e um estágio de RL agêntico estão ambos visíveis no checkpoint e na config, não apenas em um post de blog. O que ainda não é verificável é a tabela de benchmark, a alegação de 1,7× e se o comportamento de reward hacking aparece na sua carga de trabalho do jeito que a Liquid diz que apareceu na deles.

A questão em aberto que vale a pena acompanhar não é se este modelo é bom. É se o formato MoE 24B-A2B continua compensando à medida que o contexto cresce — 131K em um modelo com 2,45B ativos é muito cache para manter coerente na memória unificada de um único laptop, e ninguém publicou números de recuperação de contexto longo para este checkpoint ainda. Se ele se mantiver sob trabalho real de agente com documentos longos, a Liquid terá mostrado que a camada de borda não precisa ser a camada em que você faz concessões. Até lá, a posição honesta sobre o LFM2.5-24B-A2B é aquela com que o próprio post do fornecedor termina: um chamador de ferramentas rápido e bem instruído que deve ser apontado para recuperação e um harness de verdade, não para suas perguntas de conhecimento.

Um lançamento também é o momento de verificar o que deu errado antes: os incidentes documentados de IA e as falhas de agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de contestação.