Liquid AI выпустила LFM2.5-24B-A2B: агент с 2B активных параметров

Liquid AI выпустила LFM2.5-24B-A2B: открытую reasoning-модель на 24 млрд параметров, из которых на каждый токен работают только 2 млрд. Компания делает ставку на агентов, которые крутятся на собственном железе круглосуточно, а не по запросу. Модель обходит более крупных конкурентов на задачах tool use, выдаёт 184 ток/с на Apple M5 Max и больше 21 тыс. выходных токенов в секунду на одной NVIDIA B300. Веса, включая базовую версию, уже лежат на Hugging Face.

Почему 2B активных параметров меняют экономику агента

Агент не отвечает одной репликой. Он думает, вызывает инструмент, читает результат, снова думает. На одну задачу уходят тысячи токенов рассуждений, и именно их цена определяет, можно ли держать агента включённым постоянно. У MoE-модели с 2B активных параметров каждый токен стоит как у маленькой плотной модели, а ёмкость знаний при этом как у 24B.

Архитектура унаследована от LFM2-24B-A2B: 40 слоёв, 64 эксперта в каждом MoE-блоке с top-4 маршрутизацией, гибрид гейтированных коротких свёрток и GQA. Изменилось другое. Контекст вырос с 32K до 131K токенов, словарь удвоен с 65K до 128K для лучшей токенизации нелатинских языков. Модель стала reasoning-only: она всегда выдаёт явную цепочку рассуждений перед ответом, в отличие от предшественницы.

Как её дообучали: 33T токенов и пять стадий

Предобучение выросло с ~17T до ~33T токенов. Затем идёт mid-training: 2T токенов на контексте 32K с упором на рассуждения, математику, код, следование инструкциям и многоязычные данные, и 300B токенов на 131K с упором на длинный контекст. Вызовы инструментов и многоходовые траектории присутствуют на обеих фазах.

Пост-обучение превращает базу в агента за пять стадий:

• supervised fine-tuning (SFT);
• специализация учителей;
• multi-domain on-policy distillation (MOPD) на неагентных задачах;
• MOPD на агентных задачах;
• agentic RL внутри реальных оболочек: OpenClaw, Hermes Agent, Pi и OpenCode.

Обучение прямо в тех харнессах, где модель потом будет работать, снимает типичный разрыв между бенчмарком и практикой.

Где модель выигрывает, а где проигрывает

Liquid AI сравнивала модель с Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it и Nemotron-3.5-Lightning (30B-A3B) на 16 бенчмарках, все прогоны шли через vLLM. Ключевые результаты LFM2.5-24B-A2B (в скобках Qwen3.6-35B-A3B):

• AutomationBench: 27,69 (8,72), более чем втрое выше ближайшего конкурента;
• BFCLv4: 65,01 (65,00);
• ToolSandbox: 80,71 (75,02);
• LiveClaw: 48,09 (38,19);
• τ³-Bench Banking: 8,04 (7,63);
• IFEval: 96,75 (93,06); IFBench: 74,69 (64,21); Multi-IF: 84,38 (81,53);
• MATH-500: 96,04 (96,73).

У конкурентов выше знания и код. GPQA Diamond: 74,42 против 83,69 у Qwen. SWE-Bench Verified (OpenCode): 51,00 против 66,20 у Qwen и 53,40 у Nemotron. PinchBench: 83,18 против 89,93. WebArena Verified: 26,75 против 37,62. SciCode: 32,71 против 37,35. На HLE у модели 7,40, на AA-Omniscience минус 24,90. Сама Liquid AI советует для задач, требующих знаний, подключать retrieval или веб-поиск.

Скорость и как запустить у себя

На Apple M5 Max модель декодирует 184 ток/с, на Ryzen AI Max+ 395 — 114 ток/с. Это до 1,7 раза быстрее ближайшего из сравниваемых MoE при минимальном потреблении памяти. На GPU при высокой конкурентности одна B300 выдаёт больше 21 тыс. выходных токенов в секунду, лучший результат в своём классе.

Поддержка есть с первого дня в llama.cpp, MLX, vLLM, SGLang и ONNX. Для transformers нужна версия 5.0.0 или новее. Практический сценарий такой: поднять модель за любым OpenAI-совместимым бэкендом и направить на него харнесс. Порты зависят от сервера: 8080 у llama.cpp и MLX, 8000 у vLLM, 30000 у SGLang, 1234 у LM Studio. Для Hermes Agent достаточно нескольких команд hermes config set с base_url, context_length 131072 и включённым tool_use_enforcement.

Итог для разработчика: если задача сводится к вызову инструментов, автоматизации и жёсткому следованию инструкциям, локальная модель с 2B активных параметров уже конкурирует с более крупными MoE, не отправляя данные в облако. Для сложного кодинга и энциклопедических вопросов пока лучше брать модель крупнее или добавлять внешний поиск. Обе версии, обычная и Base, открыты для дообучения под свои задачи.