Коротко
- LFM2.5-24B-A2B имеет 24 млрд параметров в общей сложности и 2 млрд активных параметров на токен.
- Размер контекстного окна модели — 131 тыс. токенов; в предыдущей версии он составлял 32 тыс. токенов.
- По данным Liquid AI, на Apple M5 Max модель генерирует 184 токена в секунду.
- Модель и её базовая версия доступны на Hugging Face с открытыми весами.
13 октября 2026 года Liquid AI представила модель рассуждений LFM2.5-24B-A2B в объявлении, опубликованном на Hugging Face. Компания позиционирует её для агентов, способных работать на устройстве, вызывать инструменты и выполнять многоэтапные задачи. Всего у модели 24 млрд параметров; при обработке каждого токена активируются 2 млрд параметров.
Увеличенный контекст и акцент на рассуждении
LFM2.5-24B-A2B сохраняет архитектуру предыдущей модели LFM2-24B-A2B. По информации Liquid AI, в её структуре 40 слоёв, по 64 эксперта в каждом MoE-блоке и маршрутизация top-4. Модель разработана как версия, которая перед ответом проходит явный процесс рассуждения.
Контекстное окно увеличено с 32 тыс. до 131 тыс. токенов. Словарь также расширен с 65 тыс. до 128 тыс. токенов; компания отмечает, что это должно улучшить использование токенов в языках, не основанных на латинском алфавите. Объём предобучения вырос примерно с 17 трлн до примерно 33 трлн токенов. Компания также сообщает о дополнительных этапах обучения на длинном контексте, рассуждениях, математике, коде и многоязычных текстах.
Использование инструментов выделяется в бенчмарках
Liquid AI сообщает, что сравнила модель по 16 бенчмаркам с Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it и Nemotron-3.5-Lightning. По результатам компании, LFM2.5-24B-A2B набрала 27,69 в AutomationBench, 65,01 в BFCLv4, 80,71 в ToolSandbox и 48,09 в LiveClaw. Для сравнивавшейся в LiveClaw модели Qwen3.6-35B-A3B указан результат 38,19.
Согласно объявлению, модель показала сопоставимые или лучшие результаты, чем конкуренты, в пяти из восьми тестов на использование инструментов и агентные сценарии; кроме того, она лидировала во всех трёх бенчмарках на следование инструкциям. При этом компания отмечает, что более крупные модели сохраняют преимущество в таких тестах, как ориентированный на знания GPQA Diamond и на кодирование SWE-Bench Verified. Поэтому Liquid AI рекомендует использовать модель для задач с большим объёмом знаний вместе с системами поиска или извлечения информации. Это результаты собственных оценок компании; в источнике указано, что все модели тестировались с помощью vLLM.
Локальный запуск и результаты на оборудовании
Модель доступна с поддержкой llama.cpp, MLX, vLLM, SGLang и ONNX. По измерениям Liquid AI, на Apple M5 Max модель генерирует 184 токена в секунду, а на Ryzen AI Max+ 395 — 114 токенов в секунду. Компания также заявляет о более чем 21 тыс. выходных токенов в секунду при высокой конкурентной нагрузке на одном GPU NVIDIA B300. Это результаты, опубликованные производителем; такая же скорость не гарантируется на другом оборудовании и при иных настройках.
Модель и версия LFM2.5-24B-A2B-Base доступны на Hugging Face с открытыми весами. В объявлении цена не указана. Сообщается, что через локальный сервер можно настроить совместимый с OpenAI бэкенд и подключить его к поддерживаемым агентным системам. В примере настройки длина контекста задаётся как 131.072; порт зависит от используемого серверного ПО.
Влияние на рабочие процессы в архитектуре и визуализации
Для архитектурных бюро, дизайнеров интерьеров и команд визуализации интерес представляет возможность запускать агента, способного вызывать инструменты, на собственном оборудовании. Команды, которые хотят опробовать локальных агентов для повторяющихся задач обработки текста и информации, могут рассмотреть такую возможность; однако в объявлении не говорится о прямой интеграции модели с конкретным ПО для CAD, BIM или визуализации. Поэтому возможные сценарии следует рассматривать с учётом ограничений поддерживаемой агентной инфраструктуры и настроенных подключений к инструментам.
Перед решением о локальном использовании стоит проверить производительность оборудования, совместимость установки и условия использования открытых весов. В объявлении приводятся результаты скорости на разных процессорах и GPU, но не указаны требования к объёму памяти или стоимость оборудования в Турции. Поэтому командам важно провести тесты на собственных задачах и сравнить результаты с текущими рабочими процессами.
Источники
Источников: 1Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Главное преимущество LFM2.5-24B-A2B для архитектурных команд — возможность опробовать агентные процессы на локальном оборудовании. Результаты по использованию инструментов и следованию инструкциям выглядят обнадёживающе, но это бенчмарки Liquid AI; модель необходимо отдельно проверить на реальных задачах бюро. В объявлении не заявлена готовая интеграция с CAD- или BIM-программами.
Условия лицензии и требования к оборудованию должны стать основой для принятия решения. Поскольку цена и необходимый объём памяти не указаны, данных для расчёта инвестиций недостаточно. Сам факт публикации весов в открытом доступе не раскрывает все условия использования; командам стоит проверить текст лицензии и совместимость с используемым ими ПО для инференса.
Частые вопросы
Сколько параметров у LFM2.5-24B-A2B?
Всего у модели 24 млрд параметров, из которых при обработке каждого токена активируются 2 млрд.
Можно ли запускать LFM2.5-24B-A2B локально?
Да. По данным Liquid AI, модель поддерживает llama.cpp, MLX, vLLM, SGLang и ONNX.
LFM2.5-24B-A2B бесплатна?
В объявлении цена не указана. Модель доступна с открытыми весами; условия использования следует отдельно уточнить в соответствующей лицензии.
