Liquid AI、オンデバイスAIエージェント向けにオープンウェイトモデルLFM2.5-24B-A2Bを公開

Liquid AIは2026年10月13日、総パラメータ数240億、トークンごとの活性パラメータ数は20億にとどまるMixture-of-Experts型の推論モデル「LFM2.5-24B-A2B」を公開した。ユーザー自身のハードウェア上で動く高速でプライベートなエージェントを支えることを目的として開発された。モデル本体と、ベース版である「LFM2.5-24B-A2B-Base」の両方が、Hugging Face上でオープンウェイトとして利用できる。

同社によると、このモデルは回答の前に必ず明示的な思考の連鎖を書き出し、ツールを呼び出すことができ、人気のエージェントハーネス内で複数段階のタスクを処理できるという。トークンごとに発火するパラメータが少ないため、推論の各ステップのコストが低く抑えられ、ローカルマシン上でエージェントを継続的に稼働させることが現実的になるとしている。

アーキテクチャと学習

今回のリリースは、前身であるLFM2-24B-A2Bのアーキテクチャを引き継いでいる。具体的には、40層構成で、MoEブロックごとに64のエキスパートを持ち、上位4つを選択するルーティングを採用している。また、ゲート付き短い畳み込みとグループ化クエリアテンションを組み合わせたハイブリッド構造である。コンテキストウィンドウは32Kトークンから131Kトークンに拡大され、語彙数は65Kから128Kトークンへと倍増した。これは非ラテン文字の処理を改善するためである。事前学習のトークン数は約17兆から約33兆に増え、その後に5段階の事後学習パイプラインが続く。最後はOpenClaw、Hermes Agent、Pi、OpenCodeといったハーネス内での強化学習で締めくくられる。

ベンチマークと速度

Liquid AI自身が実施した16のベンチマークでは、LiveClawでこのモデルが48.09点を記録し、総パラメータ数および活性パラメータ数がおよそ50%多いQwen3.6-35B-A3Bの38.19点を上回った。同社は、AutomationBenchで次点のスコアの3倍以上を達成したとし、指示追従の3つのベンチマークすべてでトップに立ったと説明している。比較対象にはGemma-4-26B-A4B-itとNemotron-3.5-Lightningも含まれていた。

結果は一様に好意的というわけではない。GPQA DiamondやHLEといった知識量が問われるテストや、コーディングタスクでは、より大規模な競合モデルが依然として優位にある。SWE-Bench Verifiedでは、このモデルは51.00点だったのに対し、Qwen3.6-35B-A3Bは66.20点だった。Liquid AIは、知識集約型の作業には検索やWeb検索と組み合わせることを推奨している。なお、すべての数値は自己申告によるものであり、第三者による独立した検証は受けていない。

性能面では、同社はApple M5 Maxで毎秒184トークン、AMD Ryzen AI Max+ 395で毎秒114トークン、単一のNVIDIA B300 GPUで高い同時実行数のもと毎秒21,000出力トークン超を報告している。llama.cpp、MLX、vLLM、SGLang、ONNXへの対応は公開時点から提供される。今回のリリースは、クラウドサービスに頼らず、ローカルで動作する高性能なエージェントへの広範な取り組みの一環と位置づけられる。