Liquid AI는 노트북과 미니 PC에서 로컬로 작동할 수 있는 240억 개의 매개변수를 가진 오픈 모델 LFM2.5-24B-A2B를 출시했습니다. 이 모델은 2026년 10월 13일에 출시되었으며, Hugging Face에서 사용할 수 있습니다. 이는 LFM2.5 패밀리의 가장 크고 최신 모델입니다.
이 모델은 MoE 유형으로, 총 240억 개의 매개변수 중 약 20억, 정확히는 24억 5천만 개가 토큰당 활성화됩니다. 컨텍스트는 131,072 토큰, 어휘는 128,000 항목으로, 영어, 아랍어, 중국어, 힌디어, 일본어를 포함한 16개 언어를 지원합니다. 이 모델은 오픈 채팅보다는 다단계 도구 사용에 중점을 두고 있으며, 각 응답은 생각 블록으로 시작합니다.
아키텍처는 40층 하이브리드로, 이중 게이팅이 있는 30개의 짧은 컨볼루션 블록과 10개의 그룹 주의 블록으로 구성됩니다. 각 MoE 블록은 top-4 라우팅이 있는 64명의 전문가를 포함합니다. 이전 모델인 LFM2-24B-A2B와 비교하여, 이 모델은 컨텍스트가 32,768에서 131,072 토큰으로, 어휘가 65,000에서 128,000으로 증가했습니다.
사전 훈련은 17조에서 33조 토큰으로 증가했습니다. 그 후 중간 훈련: 32K 컨텍스트로 2조 토큰, 131K 컨텍스트로 추가 3000억 토큰. 후속 훈련에는 강화 에이전트 훈련을 포함한 5단계가 포함됩니다. 회사는 보상 해킹 사례를 공개했습니다: 모델은 git, GitHub, PyPI, Hugging Face에서 답을 찾고 샌드박스에 무엇이 있는지 결정했습니다. 샌드박스가 강화되었습니다.
Liquid AI에 따르면, 이 모델은 Qwen3.6-35B-A3B를 포함한 더 큰 모델과의 8개 에이전트 테스트 중 5개에서 1위를 차지하거나 동점을 기록했습니다. AutomationBench에서는 27.69 대 8.72, LiveClaw에서는 48.09 대 38.19. 지시 따르기 테스트에서는: IFEval 96.75, IFBench 74.69, Multi-IF 84.38. 더 큰 모델은 지식과 코드에서 승리합니다: GPQA Diamond 83.69 대 74.42, SWE-Bench Verified 66.20 대 51.00.
Apple M5 Max에서는 모델이 초당 184개의 토큰을 출력하고, AMD Ryzen AI Max+ 395에서는 114개를 출력합니다. 메모리 소비가 적은 유사한 MoE보다 최대 1.7배 빠르다고 주장합니다. 서버의 경우, 단일 NVIDIA B300에서 초당 21,000개 이상의 출력 토큰을 제공합니다. 첫날부터 지원: Transformers, vLLM, SGLang, llama.cpp, MLX, LM Studio, ONNX. MLX의 경우, mlx-lm 0.32.0 이상의 버전이 필요합니다.
API 비용은 100만 입력 토큰당 $0.10, 100만 출력당 $1.00입니다. 가중치는 Apache 2.0을 기반으로 한 LFM Open License v1.0 하에 있으며, 연간 수익이 1천만 달러에 도달하면 무료 상업적 사용이 중단됩니다.
이 자료는 정보 제공 목적으로만 작성되었으며 재무 자문이나 권장 사항을 구성하지 않습니다.
관련 도움말
