A Liquid AI publicou o LFM2.5-24B-A2B no Hugging Face, em post datado de 13 de outubro de 2026. É um modelo de raciocínio com 24 bilhões de parâmetros no total e 2 bilhões ativos por token. Ele sempre gera uma cadeia de raciocínio antes de responder, chama ferramentas e lida com tarefas de várias etapas. O modelo e uma versão base têm pesos abertos e estão disponíveis para download.
O que vem na versão
O modelo mantém a arquitetura do antecessor, o LFM2-24B-A2B: 40 camadas e 64 especialistas por bloco de mixture-of-experts, com roteamento top-4. A janela de contexto sobe de 32K para 131K tokens, e o vocabulário dobra, de 65K para 128K tokens, para lidar melhor com textos em alfabetos não latinos. O pré-treinamento passou de cerca de 17T para cerca de 33T tokens. O pós-treinamento inclui aprendizado por reforço agêntico dentro de ambientes de agentes como OpenClaw, Hermes Agent, Pi e OpenCode.
Desempenho informado
A Liquid AI comparou o modelo com Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning em 16 benchmarks, todos executados com vLLM. São resultados do próprio fornecedor.
- AutomationBench: 27,69, contra 8,72 do Qwen3.6-35B-A3B, o segundo melhor modelo da tabela.
- LiveClaw: 48,09 contra 38,19 do Qwen3.6-35B-A3B.
- IFEval: 96,75 e IFBench: 74,69, à frente dos outros três modelos da tabela.
Modelos maiores mantêm a liderança em outros testes. No GPQA Diamond, o modelo marca 74,42 contra 83,69 do Qwen3.6-35B-A3B. No SWE-Bench Verified com OpenCode, são 51,00 contra 66,20, e no WebArena Verified, 26,75 contra 37,62. A Liquid AI recomenda combinar o modelo com retrieval ou busca na web em trabalhos que exigem muito conhecimento.
Velocidade e hardware
A fonte relata 184 tokens por segundo em um Apple M5 Max e 114 tokens por segundo em um Ryzen AI Max+ 395, até 1,7 vez mais rápido que o segundo melhor modelo comparado, com o menor uso de memória. Em uma única NVIDIA B300 com alta concorrência, passa de 21 mil tokens de saída por segundo. No lançamento há suporte a llama.cpp, MLX, vLLM, SGLang e ONNX.
Como encaixar na operação
O modelo pode ser servido localmente atrás de qualquer backend compatível com OpenAI, e basta apontar o ambiente do agente para esse endpoint. A Liquid AI traz um exemplo com o Hermes Agent, com contexto de 131072 tokens e a obrigatoriedade de uso de ferramentas ativada. Há tutoriais de fine-tuning para adaptar o modelo a uma tarefa específica.
O que a fonte não diz
O post não informa termos de licença, preços nem resultados de implantações em produção. Os benchmarks medem o modelo em ambiente de laboratório, não dentro do CRM ou do helpdesk de uma empresa.