LFM2.5-24B-A2B est disponible : un modèle d’agent local avec 2 milliards de paramètres actifs

Dans une annonce publiée sur Hugging Face le 13 octobre 2026, Liquid AI a présenté son modèle de raisonnement LFM2.5-24B-A2B. L’entreprise le destine aux agents capables de fonctionner sur l’appareil, d’appeler des outils et d’exécuter des tâches en plusieurs étapes. Le modèle compte 24 milliards de paramètres au total ; 2 milliards sont activés lors du traitement de chaque token.

Un contexte plus long et un accent mis sur le raisonnement

LFM2.5-24B-A2B conserve l’architecture du précédent modèle LFM2-24B-A2B. Selon les informations communiquées par Liquid AI, cette architecture comprend 40 couches, 64 experts dans chaque bloc MoE et un routage top-4. Le modèle a été développé comme une version qui suit un processus de raisonnement explicite avant de répondre.

La fenêtre de contexte passe de 32 000 tokens pour la version précédente à 131 000 tokens. Le vocabulaire passe également de 65 000 à 128 000 tokens ; l’entreprise précise que cette évolution vise à améliorer l’utilisation des tokens dans les langues qui n’emploient pas l’alphabet latin. Le préentraînement a été porté d’environ 17 000 milliards à environ 33 000 milliards de tokens. L’entreprise décrit aussi des étapes supplémentaires d’entraînement portant sur le contexte long, le raisonnement, les mathématiques, le code et les textes multilingues.

L’utilisation d’outils se distingue dans les benchmarks

Liquid AI indique avoir comparé le modèle sur 16 benchmarks avec Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning. Dans les résultats présentés par l’entreprise, LFM2.5-24B-A2B obtient 27,69 sur AutomationBench, 65,01 sur BFCLv4, 80,71 sur ToolSandbox et 48,09 sur LiveClaw. Pour ce dernier benchmark, Qwen3.6-35B-A3B obtient 38,19.

Selon l’annonce, le modèle égale ou dépasse ses concurrents sur cinq des huit tests consacrés à l’utilisation d’outils et aux flux de travail d’agents ; il arrive également en tête des trois benchmarks de suivi des instructions. En revanche, l’entreprise indique que les modèles plus grands conservent un avantage sur des tests comme GPQA Diamond, axé sur les connaissances, et SWE-Bench Verified, axé sur le code. Liquid AI recommande donc d’associer le modèle à des systèmes de recherche ou de récupération d’informations pour les tâches riches en connaissances. Ces résultats sont les évaluations de l’entreprise ; la source précise que tous les modèles ont été testés avec vLLM.

Exécution locale et résultats matériels

Le modèle est proposé avec la prise en charge de llama.cpp, MLX, vLLM, SGLang et ONNX. D’après les mesures de Liquid AI, il génère 184 tokens par seconde sur un Apple M5 Max et 114 tokens par seconde sur un Ryzen AI Max+ 395. L’entreprise annonce également plus de 21 000 tokens de sortie par seconde sur un seul GPU NVIDIA B300, avec une forte concurrence. Il s’agit de résultats communiqués par le fabricant ; la même vitesse n’est pas garantie sur d’autres matériels ou avec des réglages différents.

Le modèle et sa version LFM2.5-24B-A2B-Base sont disponibles en poids ouverts sur Hugging Face. L’annonce ne précise pas de prix. Elle indique qu’il est possible de configurer un backend compatible avec OpenAI via un serveur local, puis de le connecter aux systèmes d’agents compatibles. Dans l’exemple de configuration, la longueur du contexte est définie sur 131.072 ; le port utilisé varie selon le logiciel serveur.

Conséquences pour les flux de travail en architecture et visualisation

Pour les agences d’architecture, les architectes d’intérieur et les équipes de visualisation, l’intérêt du modèle tient surtout à la possibilité d’exécuter sur leur propre matériel un agent capable d’appeler des outils. Cette fonctionnalité peut être envisagée par les équipes qui souhaitent tester des agents locaux pour automatiser des tâches répétitives de traitement de texte et d’informations ; l’annonce ne précise toutefois pas que le modèle s’intègre directement à des logiciels de CAO, de BIM ou de visualisation spécifiques. Les usages potentiels doivent donc être considérés comme dépendants de l’infrastructure d’agents compatible et des connexions aux outils mises en place.

Avant d’opter pour une utilisation locale, il convient de vérifier les performances du matériel, la compatibilité de l’installation et les conditions d’utilisation des poids ouverts. L’annonce fournit des résultats de vitesse sur différents processeurs et GPU, mais ne précise ni la quantité de mémoire nécessaire ni le coût du matériel en Turquie. Il est donc important que les équipes testent le modèle sur leurs propres tâches et comparent les résultats à ceux de leurs flux de travail actuels.