إطلاق LFM2.5-24B-A2B: نموذج وكلاء محلي ببارامترين نشطين

قدّمت Liquid AI نموذج الاستدلال LFM2.5-24B-A2B في إعلان نشرته على Hugging Face بتاريخ 13 أكتوبر 2026. وتستهدف الشركة به الوكلاء القادرين على العمل على الجهاز، واستدعاء الأدوات، وتنفيذ المهام متعددة الخطوات. يضم النموذج إجمالي 24 مليار بارامتر، ويُفعّل 2 مليار بارامتر عند معالجة كل token.

تركيز على سياق أطول والاستدلال

يحافظ LFM2.5-24B-A2B على بنية نموذج LFM2-24B-A2B السابق. ووفقًا للمعلومات التي أوردتها Liquid AI، تتألف البنية من 40 طبقة، و64 خبيرًا في كل كتلة MoE، مع توجيه top-4. وطُوّر النموذج ليكون إصدارًا يتبع عملية استدلال صريحة قبل تقديم الإجابة.

ارتفعت نافذة السياق من 32 ألف token في الإصدار السابق إلى 131 ألف token. كما زاد حجم المفردات من 65 ألف token إلى 128 ألف token؛ وتوضح الشركة أن الهدف من ذلك هو تحسين استخدام tokens في اللغات التي لا تستخدم الأبجدية اللاتينية. وزُوّد التدريب المسبق بنحو 33 تريليون token، بعد أن كان قرابة 17 تريليونًا. وتشير الشركة أيضًا إلى مراحل تدريب إضافية تستهدف السياقات الطويلة والاستدلال والرياضيات والبرمجة والنصوص متعددة اللغات.

استخدام الأدوات يتقدم في الاختبارات المعيارية

تذكر Liquid AI أنها قارنت النموذج في 16 اختبارًا معياريًا مع Qwen3.6-35B-A3B وGemma-4-26B-A4B-it وNemotron-3.5-Lightning. ووفقًا لنتائج الشركة، سجّل LFM2.5-24B-A2B ما يلي: 27,69 في AutomationBench، و65,01 في BFCLv4، و80,71 في ToolSandbox، و48,09 في LiveClaw. وبلغت نتيجة Qwen3.6-35B-A3B المقارن به في LiveClaw مقدار 38,19.

وبحسب الإعلان، حقق النموذج نتائج تضاهي المنافسين أو تتفوق عليهم في خمسة من ثمانية اختبارات لاستخدام الأدوات وسير عمل الوكلاء، كما تصدّر الاختبارات المعيارية الثلاثة الخاصة باتباع التعليمات. في المقابل، تشير الشركة إلى استمرار أفضلية النماذج الأكبر في اختبارات مثل GPQA Diamond المعتمد على المعرفة وSWE-Bench Verified المخصص للبرمجة. لذلك توصي Liquid AI باستخدام أنظمة البحث أو استرجاع المعلومات معه في المهام كثيفة المعرفة. وهذه النتائج هي تقييمات الشركة نفسها؛ ويذكر المصدر أن جميع النماذج اختُبرت باستخدام vLLM.

التشغيل المحلي ونتائج الأجهزة

يتوفر النموذج مع دعم llama.cpp وMLX وvLLM وSGLang وONNX. ووفقًا لقياسات Liquid AI، يولّد النموذج 184 token في الثانية على Apple M5 Max، و114 token في الثانية على Ryzen AI Max+ 395. كما أعلنت الشركة عن أكثر من 21 ألف token إخراج في الثانية على وحدة معالجة رسومات NVIDIA B300 واحدة، في ظل تزامن مرتفع. هذه نتائج أفصحت عنها الشركة المصنّعة، ولا يوجد ضمان بتحقيق السرعة نفسها على أجهزة أو إعدادات مختلفة.

أُتيح النموذج وإصدار LFM2.5-24B-A2B-Base بأوزان مفتوحة على Hugging Face. ولا يتضمن الإعلان معلومات عن الأسعار. ويذكر أن بالإمكان إعداد واجهة خلفية متوافقة مع OpenAI عبر خادم محلي وربطها بأنظمة الوكلاء المدعومة. وفي إعداد التثبيت النموذجي، يُضبط طول السياق على 131.072؛ ويختلف المنفذ بحسب برنامج الخادم المستخدم.

أثره في سير عمل العمارة والتصور البصري

تكمن جاذبية النموذج للمكاتب المعمارية ومصممي الديكور الداخلي وفرق التصور البصري في إمكانية تشغيل وكيل قادر على استدعاء الأدوات على أجهزتهم الخاصة. ويمكن للفرق الراغبة في تجربة وكلاء محليين لتنفيذ خطوات متكررة لمعالجة النصوص والمعلومات أن تقيّم هذه الإمكانية؛ لكن الإعلان لا يذكر تكاملًا مباشرًا مع برامج CAD أو BIM أو التصور البصري. لذلك ينبغي النظر إلى الاستخدام المحتمل في حدود بنية الوكلاء المدعومة وروابط الأدوات التي يجري إعدادها.

قبل اتخاذ قرار بشأن التشغيل المحلي، ينبغي التحقق من أداء الأجهزة وتوافق التثبيت وشروط استخدام الأوزان المفتوحة. ويورد الإعلان نتائج السرعة على معالجات ووحدات GPU مختلفة، لكنه لا يوضح مقدار الذاكرة المطلوبة أو تكلفة الأجهزة في تركيا. لذا من المهم أن تختبر الفرق النموذج بمهامها الخاصة وأن تقارن النتائج بسير العمل الحالي.