Liquid AI, cihaz içi ajanlar için açık ağırlıklı LFM2.5-24B-A2B modelini yayımladı

Liquid AI, 13 Ekim 2026'da LFM2.5-24B-A2B adlı yeni yapay zekâ modelini duyurdu. Toplam 24 milyar parametreye sahip olan ancak her token için yalnızca 2 milyarını devreye sokan bu uzman karışımı (MoE) modeli, kullanıcıların kendi donanımlarında çalışan hızlı ve gizliliği koruyan ajanlar için tasarlandı. Model ve temel sürümü LFM2.5-24B-A2B-Base, açık ağırlıklı olarak Hugging Face üzerinden indirilebiliyor.

Şirkete göre model, yanıt vermeden önce her zaman açık bir düşünce zinciri üretiyor, araç çağırabiliyor ve çok adımlı görevleri yaygın ajan ortamlarında yürütebiliyor. Aktif parametre sayısı düşük olduğu için her akıl yürütme tokeninin maliyeti de düşük kalıyor; bu da ajanların yerel donanımda kesintisiz çalıştırılmasını mümkün kılıyor.

Mimari ve eğitim

Yeni model, önceki LFM2-24B-A2B'nin mimarisini koruyor: 40 katman, her MoE bloğunda 64 uzman ve en iyi dört uzmana yönlendirme. Bağlam penceresi 32 binden 131 bin tokene çıkarıldı, kelime dağarcığı ise Latin dışı alfabelerde daha iyi sonuç için 65 binden 128 bin tokene genişletildi. Ön eğitim verisi yaklaşık 17 trilyondan yaklaşık 33 trilyon tokene yükseltildi. Eğitim sonrası süreç; denetimli ince ayar, uzman öğretmen modeller, iki aşamalı damıtma ve OpenClaw, Hermes Agent, Pi ile OpenCode gibi ortamlarda pekiştirmeli öğrenmeden oluşuyor.

Performans iddiaları

Liquid AI'ın paylaştığı 16 test sonucuna göre model, LiveClaw'da 48,09 puan alarak yaklaşık yüzde 50 daha fazla parametreye sahip Qwen3.6-35B-A3B'nin 38,19 puanını geride bıraktı. Şirket, AutomationBench'te en yakın rakibin üç katından fazla puan aldığını ve üç talimat izleme testinin hepsinde önde olduğunu belirtiyor. Karşılaştırmada Gemma-4-26B-A4B-it ve Nemotron-3.5-Lightning de yer aldı.

Bununla birlikte şirket, GPQA Diamond ve HLE gibi bilgi yoğun testlerde ve SWE-Bench Verified ile SciCode gibi kodlama testlerinde daha büyük modellerin üstünlüğünü koruduğunu kabul ediyor. Örneğin SWE-Bench Verified'da model 51,00 puan alırken Qwen3.6-35B-A3B 66,20'ye ulaştı. Liquid AI, bilgi ağırlıklı işler için modelin arama veya bilgi getirme araçlarıyla birlikte kullanılmasını öneriyor. Sonuçlar şirketin kendi değerlendirmesine dayanıyor.

Hız tarafında şirket, modelin Apple M5 Max üzerinde saniyede 184, Ryzen AI Max+ 395 üzerinde saniyede 114 token ürettiğini, tek bir NVIDIA B300 GPU'da ise yüksek eşzamanlılıkta saniyede 21 binin üzerinde çıktı tokenine ulaştığını açıkladı. Model ilk günden llama.cpp, MLX, vLLM, SGLang ve ONNX desteğiyle geliyor. Bu gelişme, bulut yerine kişisel cihazlarda çalışan yapay zekâ ajanlarına yönelik artan ilginin bir göstergesi olarak öne çıkıyor.