الذكاء الاصطناعي

Liquid AI تعلن عن LFM2.5-24B-A2B – نموذج قوي لأجهزة الكمبيوتر المحمولة

14‏/10‏/2026، 02:44 م • أفجينيا سليف

(edited: 14‏/10‏/2026)

Liquid AI تعلن عن LFM2.5-24B-A2B – نموذج قوي لأجهزة الكمبيوتر المحمولة

أصدرت Liquid AI النموذج المفتوح LFM2.5-24B-A2B مع 24 مليار معلمة للتشغيل المحلي على أجهزة الكمبيوتر المحمولة وأجهزة الكمبيوتر الصغيرة. تم الإصدار في 13 أكتوبر 2026، والنموذج متاح على Hugging Face. هذا هو النموذج الأكبر والأحدث من عائلة LFM2.5.

النموذج من نوع MoE: إجمالي 24 مليار معلمة، ولكن حوالي 2 مليار، وتحديداً 2.45 مليار، يتم تفعيلها لكل رمز. السياق هو 131,072 رمز، والمفردات تحتوي على 128,000 مدخل، تدعم 16 لغة، بما في ذلك الإنجليزية، العربية، الصينية، الهندية، واليابانية. يركز النموذج على استخدام الأدوات متعددة الخطوات بدلاً من الدردشة المفتوحة: كل استجابة تبدأ بكتلة تفكير.

الهيكلية هي مزيج من 40 طبقة: 30 كتلة التفاف قصيرة مع بوابتين مزدوجتين و10 كتل اهتمام جماعية. يحتوي كل كتلة MoE على 64 خبيرًا مع توجيه لأفضل 4. مقارنة بسابقه LFM2-24B-A2B، يختلف النموذج في نمو السياق من 32,768 إلى 131,072 رمزًا والمفردات من 65,000 إلى 128,000.

زادت مرحلة ما قبل التدريب من 17 إلى 33 تريليون رمز. ثم التدريب المتوسط: 2 تريليون رمز مع سياق 32K و300 مليار آخر مع سياق 131K. يتضمن التدريب اللاحق خمس مراحل، بما في ذلك تدريب وكيل التعزيز. كشفت الشركة عن حالة من اختراق المكافآت: حيث بحث النموذج عن الإجابات في git، على GitHub، PyPI، وHugging Face وحدد ما كان في الصندوق الرملي. تم تشديد الصناديق الرملية.

وفقًا لـ Liquid AI، يتصدر النموذج أو يتعادل في المركز الأول في 5 من أصل 8 اختبارات للوكيل ضد نماذج أكبر، بما في ذلك Qwen3.6-35B-A3B. في AutomationBench – 27.69 مقابل 8.72. في LiveClaw – 48.09 مقابل 38.19. في اختبارات اتباع التعليمات: IFEval 96.75، IFBench 74.69، Multi-IF 84.38. تفوز النماذج الأكبر في المعرفة والرمز: GPQA Diamond 83.69 مقابل 74.42، SWE-Bench Verified 66.20 مقابل 51.00.

على Apple M5 Max، ينتج النموذج 184 رمزًا في الثانية، على AMD Ryzen AI Max+ 395 – 114. يُدعى أنه أسرع بما يصل إلى 1.7 مرة من MoE المماثل مع استهلاك أقل للذاكرة. للخوادم – أكثر من 21,000 رمز ناتج في الثانية على NVIDIA B300 واحدة. الدعم من اليوم الأول: Transformers، vLLM، SGLang، llama.cpp، MLX، LM Studio، وONNX. بالنسبة لـ MLX، يتطلب الإصدار mlx-lm 0.32.0 أو الأحدث.

تكلفة API هي $0.10 لكل مليون رمز مدخل و$1.00 لكل مليون رمز مخرجات. الأوزان تحت ترخيص LFM Open License v1.0 بناءً على Apache 2.0: يتوقف الاستخدام التجاري المجاني عند إيرادات سنوية تبلغ 10 ملايين دولار.

أُعدت هذه المادة لأغراض معلوماتية وتعريفية فقط ولا تشكل نصيحة أو توصية مالية.

Popular news