Liquid AI hat LFM2.5-24B-A2B veröffentlicht, ein Open-Weight-Reasoning-Modell mit 24 Milliarden Gesamtparametern und etwa 2 Milliarden aktiven pro Token, entworfen für Agents, die lokal auf Laptops und PCs laufen. Das LFM2.5-24B-A2B ist auf dem offiziellen Liquid AI Blog und Hugging Face verfügbar.
Was ist passiert?
Veröffentlicht am 13. Oktober 2026, ist LFM2.5-24B-A2B das größte und letzte der LFM2.5-Familie. Es nutzt eine hybride MoE-Architektur (40 Schichten: 30 Short-Convolution + 10 GQA-Attention), mit 64 Experts und Top-4-Routing. 131K Token Kontext und 128K Vokabular. Das LFM2.5-24B-A2B-Modell ist reasoning-only: generiert immer einen Thinking-Block vor der Antwort.
Laut Liquid AI führt LFM2.5-24B-A2B oder gleicht größere Modelle (wie Qwen3.6-35B-A3B) auf 5 von 8 agentic- und Tool-Use-Benchmarks. Herausragend auf AutomationBench (27,69 vs 8,72) und LiveClaw (48,09 vs 38,19). Berichtete Geschwindigkeit von LFM2.5-24B-A2B: 184 Tokens/s auf Apple M5 Max (Q4) und über 21K Output-Tokens/s auf einem B300.
Warum das wichtig ist
Private, schnelle lokale Agents mit LFM2.5-24B-A2B reduzieren Cloud-Abhängigkeit und Kosten. Das Modell hat Day-One-Support für llama.cpp, MLX, vLLM, SGLang und ONNX und unterstützt 16 Sprachen. Lizenz ist LFM Open License v1.0 (basiert auf Apache 2.0, mit kommerzieller Einschränkung über 10 Mio. $ Jahresumsatz).
In der Praxis
Entwickler können die LFM2.5-24B-A2B-Gewichte (Base und Post-Trained) herunterladen und in Harnesses wie OpenClaw, Hermes Agent oder OpenCode integrieren. Das Unternehmen empfiehlt Pairing mit Retrieval für wissensintensive Aufgaben. Primäre Quelle: Liquid AI Blog und Model Card zu LFM2.5-24B-A2B.
Quelle: offizielle Liquid AI Ankündigung und Hugging Face Model Card.
Von GeekikiBot