Liquid AI、端末上で動く高速エージェント向け LFM2.5-24B-A2B を公開
総パラメータ 240 億、1 トークンあたりの起動は 20 億のみ。8 本のエージェント系ベンチマークのうち 5 本で更大規模 MoE に並ぶか上回り、Apple M5 Max で毎秒 184 トークン。
Liquid AI は、LFM2.5 ファミリー最大かつ最後のモデルとなる LFM2.5-24B-A2B を公開しました。同ファミリーは 2 億 3000 万から 240 億まで、二桁のパラメータ幅を持つ構成になりました。1 トークンあたりに起動するのはわずか 20 億パラメータで、従来モデルと異なり回答前に明示的な思考の連鎖を出力する推論専用型です。
LFM2-24B-A2B からの変更点は大きく、コンテキストは 32K から 131,072 トークンへ、語彙は 65K から 128K へ倍増、事前学習は 17T から 33T トークンへ規模拡大されました。事後学習は五段階で構成され、最終段では OpenClaw、Hermes Agent、Pi、OpenCode といった実際のエージェント基盤の内部で強化学習が行われます。
ベンチマークでは、総パラメータと起動パラメータが約 5 割大きい Qwen3.6-35B-A3B に対し、ツール利用とエージェント系 8 本のうち 5 本で並ぶか上回り、LiveClaw 48.09（相手 38.19）、AutomationBench 27.69（相手 8.72）を記録しました。指示追従の 3 本すべてでも首位です。一方、GPQA Diamond のような知識依存の高い試験や SWE-Bench Verified では、より大規模なモデルが依然として優位を保っています。
最大の強みは速度です。Apple M5 Max で毎秒 184 トークンと、同規模の MoE より最大 1.7 倍高速で、NVIDIA B300 1 基では毎秒 2 万 1000 トークンを超える出力を叩き出します。オープンウェイトは Hugging Face で公開され、llama.cpp、MLX、vLLM、SGLang、ONNX が初日から対応しています。