Liquid AI ने ऑन-डिवाइस AI एजेंट्स के लिए ओपन-वेट मॉडल LFM2.5-24B-A2B जारी किया

Liquid AI ने 13 अक्टूबर 2026 को LFM2.5-24B-A2B जारी किया, जो एक Mixture-of-Experts रीज़निंग मॉडल है। इसमें कुल 24 अरब पैरामीटर हैं, लेकिन हर टोकन के लिए केवल 2 अरब सक्रिय होते हैं। कंपनी ने इसे उपयोगकर्ताओं के अपने हार्डवेयर पर चलने वाले तेज़ और निजी एजेंट्स को शक्ति देने के लिए बनाया है। मॉडल और इसका बेस संस्करण, LFM2.5-24B-A2B-Base, दोनों Hugging Face पर ओपन वेट्स के रूप में उपलब्ध हैं।

Liquid AI के अनुसार, यह मॉडल उत्तर देने से पहले हमेशा स्पष्ट चेन ऑफ़ थॉट लिखता है, टूल्स को कॉल कर सकता है और लोकप्रिय एजेंट हार्नेस के भीतर बहु-चरणीय कार्यों को संभालता है। प्रति टोकन इतने कम पैरामीटर सक्रिय होने के कारण हर रीज़निंग चरण सस्ता पड़ता है, जिससे कंपनी के अनुसार स्थानीय मशीनों पर एजेंट्स को लगातार चलाए रखना व्यावहारिक हो जाता है।

आर्किटेक्चर और प्रशिक्षण

इस रिलीज़ में अपने पूर्ववर्ती LFM2-24B-A2B का आर्किटेक्चर बरकरार रखा गया है: 40 लेयर, हर MoE ब्लॉक में 64 एक्सपर्ट्स और top-4 रूटिंग, तथा gated short convolutions और grouped-query attention का मिश्रण। कॉन्टेक्स्ट विंडो 32K से बढ़कर 131K टोकन हो गई है, और गैर-लैटिन लिपियों को बेहतर ढंग से संभालने के लिए शब्दावली 65K से दोगुनी होकर 128K टोकन हो गई है। प्री-ट्रेनिंग लगभग 17 ट्रिलियन से बढ़कर लगभग 33 ट्रिलियन टोकन तक पहुँची, जिसके बाद पाँच-चरणीय पोस्ट-ट्रेनिंग पाइपलाइन चलती है, जो OpenClaw, Hermes Agent, Pi और OpenCode जैसे हार्नेस के भीतर रीइनफोर्समेंट लर्निंग पर समाप्त होती है।

बेंचमार्क और गति

Liquid AI के अपने परीक्षणों में 16 बेंचमार्क्स पर, इस मॉडल ने LiveClaw पर 48.09 अंक हासिल किए, जबकि Qwen3.6-35B-A3B के 38.19 अंक थे। Qwen3.6-35B-A3B के कुल और सक्रिय पैरामीटर लगभग 50% अधिक हैं। कंपनी का कहना है कि उसने AutomationBench पर अगले सर्वश्रेष्ठ स्कोर से तीन गुना से अधिक अंक लिए और तीनों इंस्ट्रक्शन-फ़ॉलोइंग बेंचमार्क्स में बढ़त बनाई। तुलना में Gemma-4-26B-A4B-it और Nemotron-3.5-Lightning भी शामिल थे।

परिणाम हर जगह एकसमान रूप से अनुकूल नहीं हैं। ज्ञान-प्रधान परीक्षणों जैसे GPQA Diamond और HLE तथा कोडिंग कार्यों में बड़े प्रतिस्पर्धी आगे हैं। SWE-Bench Verified पर इस मॉडल ने 51.00 अंक पाए, जबकि Qwen3.6-35B-A3B ने 66.20 अंक पाए। Liquid AI ज्ञान-गहन कार्यों के लिए इसे retrieval या वेब सर्च के साथ इस्तेमाल करने की सलाह देता है। सभी आंकड़े कंपनी द्वारा स्वयं रिपोर्ट किए गए हैं और स्वतंत्र रूप से सत्यापित नहीं किए गए हैं।

प्रदर्शन के संबंध में कंपनी ने Apple M5 Max पर 184 टोकन प्रति सेकंड, AMD Ryzen AI Max+ 395 पर 114 टोकन प्रति सेकंड, और एक ही NVIDIA B300 GPU पर उच्च समवर्तीता में 21,000 से अधिक आउटपुट टोकन प्रति सेकंड की रिपोर्ट दी है। llama.cpp, MLX, vLLM, SGLang और ONNX का समर्थन लॉन्च से ही उपलब्ध है। यह रिलीज़ उन सक्षम एजेंट्स की ओर एक व्यापक प्रयास को दर्शाती है जो क्लाउड सेवाओं पर निर्भर रहने के बजाय स्थानीय रूप से चलते हैं।