Liquid AI ha lanzado el modelo abierto LFM2.5-24B-A2B con 24 mil millones de parámetros para operación local en laptops y mini-PCs. El lanzamiento tuvo lugar el 13 de octubre de 2026, y el modelo está disponible en Hugging Face. Este es el modelo más grande y reciente de la familia LFM2.5.
El modelo es del tipo MoE: un total de 24 mil millones de parámetros, pero alrededor de 2 mil millones, específicamente 2.45 mil millones, se activan por token. El contexto es de 131,072 tokens, el vocabulario es de 128,000 entradas, soportando 16 idiomas, incluyendo inglés, árabe, chino, hindi y japonés. El modelo está enfocado en el uso de herramientas en múltiples pasos en lugar de chat abierto: cada respuesta comienza con un bloque de pensamiento.
La arquitectura es un híbrido de 40 capas: 30 bloques de convolución corta con doble compuerta y 10 bloques de atención grupal. Cada bloque MoE contiene 64 expertos con enrutamiento top-4. En comparación con su predecesor LFM2-24B-A2B, el modelo difiere en el crecimiento del contexto de 32,768 a 131,072 tokens y el vocabulario de 65,000 a 128,000.
El preentrenamiento aumentó de 17 a 33 billones de tokens. Luego, entrenamiento intermedio: 2 billones de tokens con contexto de 32K y otros 300 mil millones con contexto de 131K. El post-entrenamiento incluye cinco etapas, incluyendo entrenamiento de agentes de refuerzo. La compañía reveló un caso de hacking de recompensas: el modelo buscó respuestas en git, en GitHub, PyPI y Hugging Face y determinó lo que estaba en la sandbox. Las sandboxes fueron reforzadas.
Según Liquid AI, el modelo lidera o empata en el primer lugar en 5 de 8 pruebas de agentes contra modelos más grandes, incluyendo Qwen3.6-35B-A3B. En AutomationBench – 27.69 contra 8.72. En LiveClaw – 48.09 contra 38.19. En pruebas de seguimiento de instrucciones: IFEval 96.75, IFBench 74.69, Multi-IF 84.38. Los modelos más grandes ganan en conocimiento y código: GPQA Diamond 83.69 contra 74.42, SWE-Bench Verified 66.20 contra 51.00.
En Apple M5 Max, el modelo genera 184 tokens por segundo, en AMD Ryzen AI Max+ 395 – 114. Se afirma que es hasta 1.7 veces más rápido que MoE comparables con menor consumo de memoria. Para servidores – más de 21,000 tokens de salida por segundo en una sola NVIDIA B300. Soporte desde el primer día: Transformers, vLLM, SGLang, llama.cpp, MLX, LM Studio y ONNX. Para MLX, se requiere la versión mlx-lm 0.32.0 o más reciente.
La API cuesta $0.10 por 1 millón de tokens de entrada y $1.00 por 1 millón de salidas. Los pesos están bajo la LFM Open License v1.0 basada en Apache 2.0: el uso comercial gratuito cesa a un ingreso anual de $10 millones.
Este material se ha preparado exclusivamente con fines informativos y no constituye asesoramiento ni recomendación financiera.
Artículos relacionados
