⚙️ Liquid AI выпустила LFM2.5-24B-A2B - reasoning-модель для локальных агентов

Liquid AI представила LFM2.5-24B-A2B: 24 млрд параметров при всего 2 млрд активных на токен (MoE с 64 экспертами и top-4 роутингом). Модель создана для быстрых и приватных агентов, работающих на собственном железе: она всегда выдаёт цепочку рассуждений перед ответом, вызывает инструменты и проходит многошаговые задачи внутри популярных агентных фреймворков.

Контекстное окно выросло с 32K до 131K токенов, словарь - с 65K до 128K (лучше для нелатинских языков). Предобучение расширено с ~17T до ~33T токенов, посттренировка включает пять этапов, включая agentic RL прямо внутри харнессов OpenClaw, Hermes Agent, Pi и OpenCode. На LiveClaw модель набирает 48.09 против 38.19 у Qwen3.6-35B-A3B, лидирует в AutomationBench, BFCLv4, ToolSandbox, τ³-Bench Banking и во всех трёх бенчмарках следования инструкциям. Слабее - на знаниевых и кодинг-задачах, где авторы советуют подключать retrieval или веб-поиск.

Инференс: 184 ток/с на Apple M5 Max и 114 ток/с на Ryzen AI Max+ 395, свыше 21K выходных токенов в секунду на одной NVIDIA B300. Поддержка из коробки - llama.cpp, MLX, vLLM, SGLang и ONNX. Веса открыты на Hugging Face, есть базовая версия и туториалы по файнтюнингу.

🎨 qvabo.studio/tg · картинки и видео

#AI #LiquidAI #Models #Agents #MoE #OpenSource #HuggingFace