Qısaca
- LFM2.5-24B-A2B ümumilikdə 24 milyard, hər token üçün isə 2 milyard aktiv parametrə malikdir.
- Modelin kontekst pəncərəsi 131 min tokendir; əvvəlki versiyada bu göstərici 32 min token idi.
- Liquid AI modelin Apple M5 Max-da saniyədə 184 token yaratdığını bildirir.
- Model və onun əsas versiyası Hugging Face-də açıq çəkilərlə təqdim olunur.
Liquid AI 13 oktyabr 2026-cı ildə Hugging Face-də yayımladığı elanla LFM2.5-24B-A2B adlı mühakimə modelini təqdim edib. Şirkət modeli cihazda işləyə bilən, alət çağıran və çoxmərhələli tapşırıqları yerinə yetirən agentlər üçün nəzərdə tutub. Model ümumilikdə 24 milyard parametrə malikdir; hər token emal edilərkən 2 milyard parametr aktivləşdirilir.
Daha uzun kontekst və mühakimə yönümlü yanaşma
LFM2.5-24B-A2B əvvəlki LFM2-24B-A2B modelinin arxitekturasını qoruyur. Liquid AI-nin verdiyi məlumata görə, struktur 40 qat, hər MoE blokunda 64 ekspert və top-4 yönləndirmədən istifadə edir. Model cavab verməzdən əvvəl açıq mühakimə prosesi aparan versiya kimi hazırlanıb.
Kontekst pəncərəsi əvvəlki versiyadakı 32 min tokendən 131 min tokenə çatdırılıb. Lüğət də 65 min tokendən 128 min tokenə qədər genişləndirilib; şirkət bunun latın əlifbasından istifadə etməyən dillərdə token istifadəsini yaxşılaşdırmağı hədəflədiyini bildirir. İlkin təlim təxminən 17 trilyon tokendən təxminən 33 trilyon tokenə qədər genişləndirilib. Şirkət həmçinin uzun kontekst, mühakimə, riyaziyyat, kod və çoxdilli mətnlər üzrə əlavə təlim mərhələlərini açıqlayır.
Alətlərdən istifadə müqayisəli testlərdə önə çıxır
Liquid AI modeli 16 müqayisəli testdə Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it və Nemotron-3.5-Lightning ilə müqayisə etdiyini bildirir. Şirkətin nəticələrində LFM2.5-24B-A2B AutomationBench-də 27,69; BFCLv4-də 65,01; ToolSandbox-da 80,71 və LiveClaw-da 48,09 bal toplayıb. LiveClaw nəticələrində müqayisə edilən Qwen3.6-35B-A3B-nin balı 38,19 göstərilib.
Elana görə, model alətlərdən istifadə və agent iş axınları üzrə səkkiz testin beşində rəqibləri ilə eyni və ya daha yaxşı nəticə göstərib; təlimatları izləmə üzrə üç müqayisəli testin hamısında da önə çıxıb. Bununla belə, şirkət bilik yönümlü GPQA Diamond və kodlaşdırmaya fokuslanan SWE-Bench Verified kimi testlərdə daha böyük modellərin üstünlüyünü qoruduğunu bildirir. Buna görə Liquid AI bilik tələb edən tapşırıqlarda axtarış və ya məlumat əldəetmə sistemləri ilə birlikdə istifadəni tövsiyə edir. Bu nəticələr şirkətin öz qiymətləndirmələridir; mənbədə bütün modellərin vLLM ilə sınaqdan keçirildiyi qeyd olunur.
Yerli işləmə və avadanlıq nəticələri
Model llama.cpp, MLX, vLLM, SGLang və ONNX dəstəyi ilə təqdim olunur. Liquid AI-nin ölçmələrinə görə, model Apple M5 Max-da saniyədə 184 token, Ryzen AI Max+ 395-də isə saniyədə 114 token yaradır. Şirkət, həmçinin tək NVIDIA B300 GPU-da yüksək paralellik şəraitində saniyədə 21 mindən çox çıxış tokeni qeydə aldığını bildirir. Bunlar istehsalçının açıqladığı nəticələrdir; fərqli avadanlıq və parametrlərdə eyni sürətin əldə olunacağına zəmanət verilmir.
Model və LFM2.5-24B-A2B-Base versiyası Hugging Face-də açıq çəkilərlə əlçatandır. Elana qiymət məlumatı daxil edilməyib. Yerli server vasitəsilə OpenAI ilə uyğun arxa tərəf quraraq onu dəstəklənən agent sistemlərinə qoşmağın mümkün olduğu bildirilir. Nümunə quraşdırmada kontekst uzunluğu 131.072 olaraq təyin edilir; istifadə olunan server proqramından asılı olaraq port dəyişir.
Memarlıq və vizuallaşdırma iş axınlarına təsiri
Memarlıq ofisləri, interyer dizaynerləri və vizuallaşdırma komandaları üçün modelin maraqlı cəhəti alətlərdən istifadə edə bilən agenti öz avadanlıqlarında işlətmək imkanıdır. Bu xüsusiyyət təkrarlanan mətn və məlumat emalı mərhələlərini yerli agentlərlə sınaqdan keçirmək istəyən komandalar üçün nəzərdən keçirilə bilər; lakin elanda modelin konkret CAD, BIM və ya vizuallaşdırma proqramlarına birbaşa inteqrasiya olunduğu deyilmir. Buna görə mümkün istifadə dəstəklənən agent infrastrukturu və qurulacaq alət bağlantıları çərçivəsində qiymətləndirilməlidir.
Yerli istifadə qərarından əvvəl avadanlığın performansı, quraşdırma uyğunluğu və açıq çəkilərin istifadə şərtləri yoxlanmalıdır. Elan müxtəlif prosessor və GPU-larda sürət nəticələrini təqdim edir, lakin tələb olunan yaddaş həcmini və ya Türkiyədəki avadanlıq xərclərini açıqlamır. Buna görə komandaların öz tapşırıqları ilə sınaq aparması və nəticələri mövcud iş axınları ilə müqayisə etməsi vacibdir.
Mənbələr
1 mənbəMənbə mətnləri yenidən dərc edilmir; qısa sitatlar işarələnir, qalanı bizim xülasə və şərhimizdir.
LFM2.5-24B-A2B-nin memarlıq komandaları üçün əsas üstünlüyü agent iş axınlarını yerli avadanlıqda sınamağa imkan verməsidir. Alətlərdən istifadə və təlimatları izləmə üzrə nəticələr ümidverici olsa da, bunlar Liquid AI-nin müqayisəli testləridir; ofisdəki real tapşırıqlarda ayrıca sınaqdan keçirilməlidir. Elanda CAD və ya BIM proqramları ilə hazır inteqrasiyadan bəhs edilmir.
Avadanlıq və lisenziya şərtləri qərar verərkən əsas götürülməlidir. Qiymət və tələb olunan yaddaş həcmi açıqlanmadığı üçün investisiya hesablaması aparmağa yetərli məlumat yoxdur. Açıq çəkilərlə təqdim olunması istifadə şərtlərinin bütün təfərrüatlarını açıqlamır; komandalar lisenziya mətnini və istifadə etdikləri inferensiya proqramlarının uyğunluğunu yoxlamalıdır.
Tez-tez verilən suallar
LFM2.5-24B-A2B neçə parametrə malikdir?
Model ümumilikdə 24 milyard parametrə malikdir və hər token emal edilərkən 2 milyard parametri aktivləşir.
LFM2.5-24B-A2B-ni yerli işlətmək mümkündürmü?
Bəli. Liquid AI model üçün llama.cpp, MLX, vLLM, SGLang və ONNX dəstəyinin olduğunu bildirir.
LFM2.5-24B-A2B pulsuzdurmu?
Elan qiymət məlumatı vermir. Model açıq çəkilərlə təqdim olunur; istifadə şərtləri üçün müvafiq lisenziya məlumatları ayrıca yoxlanmalıdır.
