AI Radar — лентаLiquid AI выпустила быструю MoE-модель для агентов — 24B параметров, но 2B на токен
Liquid AI выкатила LFM2.5-24B-A2B: 24 миллиарда параметров, но на каждый токен работают только 2 миллиарда. На Apple M5 Max модель выдаёт 184 токена в секунду — в 1,7 раза быстрее сравнимых MoE-конкурентов.
Цифры против конкурентов. На LiveClaw — 48,09 против 38,19 у Qwen3.6-35B-A3B. На AutomationBench — 27,69 против 8,72. Контекст раздут до 131 072 токенов (было 32K), словарь — до 128K (было 65K). Предобучение увеличили до 33 триллионов токенов, добавили пятиэтапную посттренировку с цепочкой рассуждений и агентным обучением с подкреплением.
Для продакшена. Открытые веса, нативная поддержка llama.cpp, MLX, vLLM, SGLang и ONNX. Влезет в локальное железо — и при этом обгонит более крупные модели на агентских задачах.
На знаниевых бенчмарках и кодинге (GPQA Diamond, SWE-Bench) LFM2.5 уступает моделям с бо́льшим числом активных параметров — для таких задач рекомендуется цеплять поиск или RAG.
Что это значит: реально быстрая открытая модель для агентов, которая помещается в ноутбук и при этом лидирует на пяти из восьми агентских бенчмарков.
Оригинальная публикация в Telegram