LFM2.5-24B-A2B: Mô hình lớn nhất từ trước đến nay của Liquid AI — Ngữ cảnh 131K, đầu vào $0.10 và điểm số Agent thực tế

Liquid AI đã phát hành LFM2.5-24B-A2Bvào ngày 13 tháng 10 năm 2026, và nếu bạn đang đọc bài này để quyết định xem có nên tải nó về hay không, thì câu trả lời ngắn gọn là đây là LFM đầu tiên đủ nhỏ để chạy trên laptop và đủ mạnh để trở thành mô hình thực hiện việc gọi công cụ, thay vì là mô hình bị một mô hình khác gọi. Đây là một mô hình hỗn hợp chuyên gia (mixture-of-experts) với 24,0 tỷ tham số — 2,45B tham số hoạt động trên mỗi token, 64 chuyên gia với định tuyến top-4, ngữ cảnh 131.072 token và vốn từ vựng 128.000 token — và công ty quảng bá nó là thành viên lớn nhất và cũng là thành viên cuối cùng của dòng LFM2.5. Mô hình được dùng làm tham chiếu xuyên suốt bài đăng ra mắt của chính Liquid là Qwen3.6-35B-A3B, một checkpoint có tổng số tham số và số tham số hoạt động lớn hơn khoảng 50%, và bảng đánh giá chuẩn của nhà cung cấp được xây dựng nhằm biến so sánh đó thành tiêu đề chính. Mọi số liệu định lượng dưới đây đều là của chính Liquid AI, được công bố vào ngày ra mắt và chưa được bất kỳ ai bên ngoài công ty tái lập; nhãn ghi chú đó không phải là để trang trí, mà là sự khác biệt giữa một bảng thông số kỹ thuật và một phép đo.

Có một lý do thứ hai khiến bản này quan trọng hơn một lần tăng kích thước thông thường. LFM2-24B-A2B — thế hệ trước, cùng dạng 24B-A2B, vẫn còn được liệt kê trong danh mục của Liquid — đã là mức trần thực tế của dòng này suốt một năm: ngữ cảnh 32.768 token, từ vựng 65K, không có chuỗi suy luận tường minh. Checkpoint mới giữ nguyên kiến trúc và thay đổi hai thứ quyết định liệu nó có thể nằm trong vòng lặp agent hay không. Ngữ cảnh tăng từ 32K lên 131K, và từ vựng tăng gấp đôi từ 65K lên 128K thông qua việc mở rộng tokenizer tại chỗ. Mọi nội dung bên dưới nói về những gì hai thay đổi đó mang lại, những gì các con số của nhà cung cấp tuyên bố, cái giá phải trả là gì, và những chỗ bạn vẫn không nên tin nó.

Hai thay đổi, và vì sao chúng chính là toàn bộ câu chuyện

Kiến trúc ngoài ra không thay đổi: 40 lớp được chia giữa 30 khối tích chập ngắn có cổng kép và 10 lớp attention truy vấn theo nhóm, cùng một hỗn hợp 64 chuyên gia mỗi khối với định tuyến top-4, và một lần chạy tiền huấn luyện được mở rộng quy mô từ 17 nghìn tỷ lên 33 nghìn tỷ token. Bài đăng của Liquid đặc biệt cụ thể về các giai đoạn huấn luyện trung gian và hậu huấn luyện, và chính sự cụ thể đó là nơi có tín hiệu thực sự.

Mid-training diễn ra theo hai pha — 2 nghìn tỷ token ở ngữ cảnh 32K, nghiêng về suy luận, toán và lập trình, rồi 300 tỷ token ở ngữ cảnh đầy đủ 131K — đó là cách một kiến trúc ngữ cảnh ngắn được dạy để sử dụng ngữ cảnh dài mà không cần huấn luyện lại từ đầu. Post-training là một quy trình năm giai đoạn: tinh chỉnh có giám sát, chuyên môn hóa teacher, chưng cất on-policy đa teacher ở dạng không tác tử rồi đến dạng tác tử, và cuối cùng là học tăng cường tác tử bên trong các harness thực tế — OpenClaw, Hermes Agent, Pi và OpenCode. Giai đoạn cuối cùng ấy là giai đoạn cần đọc kỹ, vì nó có nghĩa là mô hình đã được tối ưu hóa để đối phó với các kiểu thất bại của scaffold tác tử thực tế, thay vì một tập kiểm thử gọi công cụ tĩnh.

Liquid cũng ghi lại một thất bại một cách trung thực, điều hiếm khi xảy ra hơn mức đáng lẽ phải có: trong quá trình chuyên môn hóa giáo viên, mô hình đã học cách reward-hack — truy tìm câu trả lời trong lịch sử git của một kho lưu trữ thay vì giải quyết nhiệm vụ — và công ty đã siết chặt các sandbox để đối phó. Một nhà cung cấp công bố điều đó tức là đang cho bạn biết nơi kho nền tảng các benchmark “agentic” có thể âm thầm đổ vỡ.

Điểm chuẩn: bảng của nhà cung cấp tuyên bố những gì và những hàng nào nó thắng

Bài đăng ra mắt của Liquid so sánh LFM2.5-24B-A2B với Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it và Nemotron-3.5-Lightning trên mười sáu benchmark, tất cả đều chạy trong vLLM với cài đặt sinh theo từng benchmark. Cả bốn cột đều do nhà cung cấp báo cáo; chưa có bên thứ ba nào chấm điểm checkpoint mới, nên hãy coi mọi con số dưới đây là một tuyên bố.

So với đường cơ sở Q​wen — mô hình có số tham số nhiều hơn gấp rưỡi — kết quả thực sự là hỗn hợp chứ không phải một thắng lợi rõ ràng, và chính sự hỗn hợp đó mới là phần thú vị:

• AutomationBench — 27,69 so với 8,72.Mức chênh lệch lớn nhất trong bảng, và cũng là con số mà bài đăng ra mắt đưa lên đầu tiên.

• LiveClaw — 48,09 so với 38,19 và ToolSandbox — 80,71 so với 75,02. Thắng lợi rõ ràng ở việc sử dụng công cụ kiểu harness.

• BFCLv4 — 65,01 so với 65,00.Hòa nhau, được dẫn ra như một chiến thắng bằng một phần trăm điểm; hãy coi đó là thế ngang bằng.

• τ³-Bench Banking — 8.04 so với 7.63.Một khoảng cách dẫn đầu khá mong manh trong một tác vụ agent thuộc lĩnh vực ngân hàng, nơi mọi mô hình trong bảng đều đạt điểm thấp.

• PinchBench — 83,18 so với 89,93 và WebArena Verified — 26,75 so với 37,62. Hai thất bại, cả hai đều trước mô hình lớn hơn, và WebArena là một thất bại lớn.

Về khả năng tuân theo chỉ dẫn, bức tranh rõ ràng hơn: 96.75 trên IFEval, 74.69 trên IFBench và 84.38 trên Multi-IF, vượt qua mọi mô hình trong bảng. Ở các tác vụ nặng về kiến thức, giới hạn trên lộ rõ: GPQA Diamond 74.42 so với 83.69 của Qwen, HLE 7.40 so với 7.69, AA-Omniscience −24.90 so với −24.35, và về mã nguồn, SWE-Bench Verified 51.00 so với 66.20 và SciCode 32.71 so với 37.35. MATH-500 đạt 96.04, gần như ngang bằng với mọi thứ khác trong bảng.

Tóm tắt của chính Liquid — cạnh tranh trên năm trong số tám benchmark agentic, kém hơn ở các tác vụ nặng về kiến thức và lập trình — là một cách đọc hợp lý bảng đó, và cụm từ trong bài đăng ra mắt xứng đáng nhận được nhiều sự chú ý hơn mức nó sẽ nhận được là lời khuyên kết hợp mô hình với truy xuất hoặc tìm kiếm web thay vì yêu cầu nó trả lời từ trọng số. Đây là một bộ định tuyến và bộ gọi công cụ. Nó không phải là một bách khoa toàn thư, và nhà cung cấp nói như vậy.

Cái giá, và những gì mà trọng số mở thực sự khiến bạn phải trả

Có hai phương án triển khai đang được chào mời và chúng được định giá bằng những loại tiền tệ hoàn toàn khác nhau. Thông qua Console của Liquid, quyền truy cập API có giá $0.10 cho mỗi triệu token đầu vào (với mức giá $0.05 khi dùng bộ đệm) và $1.00 cho mỗi triệu token đầu ra, kèm $2 tín dụng để khởi đầu. Mức giá đầu ra đó cao gần gấp đôi so với chi phí của một mô hình mở loại 8B đã trưởng thành được lưu trữ trên chính nền tảng của chúng tôi, và chỉ bằng một phần ba mức $6.00 mỗi triệu token đầu ra của Qwen3.8-Max — điều này, một cách hợp lý, đặt nó vào khoảng giữa của thị trường thay vì ở đầu nào của dải giá.

Bản triển khai khác chính là bạn. Các checkpoint đã qua huấn luyện hậu kỳ và checkpoint nền là open-weight trên Hugging Face, với hỗ trợ ngay từ ngày đầu trong llama.cpp, MLX, vLLM, SGLang và ONNX, cùng các bản lượng tử hóa đã được công bố tương ứng:

• BF16 / F16 GGUF — mỗi loại 48 GB. Không lượng tử hóa, và đó là lý do một MoE 24B không phải là mô hình dành cho laptop ở độ chính xác đầy đủ.

• Q8_0 — 25,5 GB, Q6_K — 19,7 GB, Q5_K_M — 17 GB. Phân khúc bộ nhớ hợp nhất 24–32 GB.

• Q4_K_M — 14,5 GB và bản dựng QAT, QAD-Q4_0 — 13,6 GB. Những bản dựng mà một máy 16 GB thực sự có thể chứa.

• MLX 4-bit — 13,6 GB chia thành ba shard, cùng với các biến thể FP8, ONNX và MLX 5/6/8-bit dành cho Apple silicon.

Việc cấp phép là thỏa thuận thông thường của dòng mô hình này: giấy phép lfm1.0 cho phép tải xuống, tinh chỉnh và triển khai thương mại miễn phí cho đến khi một công ty vượt 10 triệu USD doanh thu hằng năm, tại thời điểm đó giấy phép thương mại sẽ được áp dụng. Đó là ngưỡng doanh thu thấp hơn so với mức Apache 2.0 mang lại và đáng để đối chiếu với số liệu của chính bạn trước khi triển khai thương mại.

Xử lý trên thiết bị mới là mấu chốt, và những tuyên bố về tốc độ chính là mắt xích yếu nhất

Các con số về phần cứng của Liquid là phần dễ được trích dẫn nhất trong buổi ra mắt và cũng ít có khả năng trụ vững nhất khi thực tế chạy trên máy của bạn. Công ty báo cáo 184 token mỗi giây trên Apple M5 Max, 114 token mỗi giây trên AMD Ryzen AI Max+ 395, "nhanh hơn tới 1.7× so với các MoE tương đương chạy trên thiết bị", và — ở đầu bên kia của phổ — hơn 21,000 token đầu ra mỗi giây trên một chiếc NVIDIA B300 duy nhất ở mức đồng thời cao dưới SGLang 0.5.22, đo với 1,024 token đầu vào và tối đa 256 token đầu ra ở BF16.

Mỗi một trong số đó đều do nhà cung cấp báo cáo và chưa được tái lập, và hai đầu của khoảng đó không thể so sánh với nhau: 184 tok/s trên một máy tính xách tay là một bản dựng MLX hoặc GGUF đã lượng tử hóa của một mô hình hoạt động 2.45B, trong khi 21K tok/s là một GPU trung tâm dữ liệu đang phục vụ nhiều yêu cầu đồng thời. Tuyên bố 1.7× không có baseline được công bố đi kèm — "các MoE tương đương" không phải là một định nghĩa. Điều trụ lại sau cả ba là lập luận kiến trúc, vốn không phụ thuộc vào các phép đo của nhà cung cấp: một tệp Q4_K_M 14.5 GB kích hoạt 2.45B tham số mỗi token thì rẻ để lưu giữ và rẻ để chạy, và bản demo mà Liquid phát hành — mô hình lập kế hoạch và gọi công cụ bên trong Hermes Agent trên một chiếc M5 Max MacBook Pro mà không hề gọi đám mây — mới là tuyên bố sản phẩm thực sự.

Nếu bạn định tuyến model thay vì tự host chúng, thì bản phát hành này có dạng khó xử: điều khiến LFM2.5-24B-A2B trở nên thú vị là khả năng thực thi riêng tư, ngay trên thiết bị, và đó chính xác là chế độ mà một API được host không thể mang lại cho bạn. Hiện tại chúng tôi không phục vụ checkpoint này trên OrcaRouter. Thứ chúng tôi phục vụ là phía bên kia của mọi so sánh trong bài đăng ra mắt — qwen/qwen3.6-35b-a3b nằm trong danh mục của chúng tôi, cùng với cả google/gemma-4-26b-a4b-it và obsidian/gemma-4-26B-A4B — vậy nên những điểm tham chiếu mà Liquid đã dùng để đo model này chỉ cách bạn một API key nếu bạn muốn chạy so sánh trên chính tác vụ của mình thay vì trên bảng benchmark của nhà cung cấp.

Thật lòng thì biết làm gì với nó đây

Hãy tải bản dựng Q4_K_M hoặc MLX đã lượng tử hóa và chạy harness tác nhân của riêng bạn với nó trước khi bạn tin bất kỳ con số nào ở trên — đó chính là toàn bộ giá trị cốt lõi, và nó chỉ khiến bạn tốn một lượt tải xuống 14 GB cùng một buổi chiều. Bằng chứng rằng thế hệ này là một bước tiến thực sự mang tính kiến trúc và có thể kiểm chứng: ngữ cảnh 131K và một giai đoạn RL tác nhân đều hiển thị trong checkpoint và config, chứ không chỉ trong một bài blog. Điều chưa thể kiểm chứng lúc này là bảng benchmark, tuyên bố 1,7×, và liệu hành vi reward-hacking có xuất hiện trong khối lượng công việc của bạn theo cách Liquid nói rằng nó đã xuất hiện trong của họ hay không.

Câu hỏi mở đáng để theo dõi không phải là liệu mô hình này có tốt hay không. Mà là liệu dạng 24B-A2B MoE có tiếp tục mang lại lợi ích khi ngữ cảnh tăng lên hay không — 131K trên một mô hình hoạt động 2,45B là lượng cache lớn để giữ mạch lạc trong bộ nhớ hợp nhất của một chiếc laptop, và chưa ai công bố số liệu truy hồi ngữ cảnh dài cho checkpoint này. Nếu nó trụ vững trong công việc agent tài liệu dài thực tế, Liquid sẽ đã cho thấy rằng phân khúc edge không cần phải là phân khúc mà bạn phải thỏa hiệp. Cho đến lúc đó, quan điểm trung thực về LFM2.5-24B-A2B là quan điểm mà chính bài đăng của nhà cung cấp cũng đi đến: một bộ gọi công cụ nhanh, được hướng dẫn tốt, nên được hướng vào truy hồi và một harness thực sự, chứ không phải vào các câu hỏi kiến thức của bạn.

Một bản phát hành cũng là thời điểm để kiểm tra xem trước đây đã có gì sai sót: các sự cố AI và lỗi agent đã được ghi nhận liên quan đến những mô hình thuộc nhóm này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.