Liquid AI hat das offene Modell LFM2.5-24B-A2B mit 24 Milliarden Parametern für den lokalen Betrieb auf Laptops und Mini-PCs veröffentlicht. Die Veröffentlichung fand am 13. Oktober 2026 statt, und das Modell ist auf Hugging Face verfügbar. Dies ist das größte und neueste Modell der LFM2.5-Familie.
Das Modell ist vom Typ MoE: Insgesamt 24 Milliarden Parameter, aber etwa 2 Milliarden, genauer gesagt 2,45 Milliarden, werden pro Token aktiviert. Der Kontext umfasst 131.072 Tokens, das Vokabular besteht aus 128.000 Einträgen und unterstützt 16 Sprachen, darunter Englisch, Arabisch, Chinesisch, Hindi und Japanisch. Das Modell konzentriert sich auf die mehrstufige Werkzeugnutzung anstelle von offenem Chat: Jede Antwort beginnt mit einem Denkblock.
Die Architektur ist ein 40-schichtiges Hybridmodell: 30 kurze Faltungsblöcke mit doppelter Gating und 10 Gruppenaufmerksamkeitsblöcke. Jeder MoE-Block enthält 64 Experten mit Top-4-Routing. Im Vergleich zu seinem Vorgänger LFM2-24B-A2B unterscheidet sich das Modell im Kontextwachstum von 32.768 auf 131.072 Tokens und im Vokabular von 65.000 auf 128.000.
Das Vortraining wurde von 17 auf 33 Billionen Tokens erhöht. Dann das Mitteltraining: 2 Billionen Tokens mit 32K Kontext und weitere 300 Milliarden mit 131K Kontext. Das Nachtraining umfasst fünf Stufen, einschließlich der Verstärkung des Agententrainings. Das Unternehmen enthüllte einen Fall von Belohnungshacking: Das Modell suchte nach Antworten in Git, auf GitHub, PyPI und Hugging Face und bestimmte, was sich in der Sandbox befand. Sandboxes wurden verschärft.
Laut Liquid AI führt das Modell oder teilt sich den ersten Platz in 5 von 8 Agententests gegen größere Modelle, einschließlich Qwen3.6-35B-A3B. In AutomationBench – 27,69 gegenüber 8,72. In LiveClaw – 48,09 gegenüber 38,19. In Anweisungsfolgetests: IFEval 96,75, IFBench 74,69, Multi-IF 84,38. Größere Modelle gewinnen in Wissen und Code: GPQA Diamond 83,69 gegenüber 74,42, SWE-Bench Verified 66,20 gegenüber 51,00.
Auf Apple M5 Max gibt das Modell 184 Tokens pro Sekunde aus, auf AMD Ryzen AI Max+ 395 – 114. Es wird behauptet, bis zu 1,7-mal schneller zu sein als vergleichbare MoE mit geringerem Speicherverbrauch. Für Server – über 21.000 Ausgabetokens pro Sekunde auf einer einzelnen NVIDIA B300. Unterstützung ab dem ersten Tag: Transformers, vLLM, SGLang, llama.cpp, MLX, LM Studio und ONNX. Für MLX ist Version mlx-lm 0.32.0 oder neuer erforderlich.
Die API kostet $0,10 pro 1 Million Eingabetokens und $1,00 pro 1 Million Ausgaben. Die Gewichte unterliegen der LFM Open License v1.0 basierend auf Apache 2.0: Die kostenlose kommerzielle Nutzung endet bei einem Jahresumsatz von $10 Millionen.
Das Material dient ausschließlich zu Informationszwecken und stellt keinen finanziellen Rat oder Empfehlung dar.
Ähnliche Artikel
