Liquid AI opublikowała LFM2.5-24B-A2B, otwartowagowy model reasoning dla agentów, który może pracować na zwykłych laptopach i komputerach PC. Model ma architekturę Mixture-of-Experts z 24B parametrami całkowitymi, ale aktywuje tylko około 2B parametrów na token, co pozwala na efektywne obliczenia lokalne. Jest to największy i ostateczny model w rodzinie LFM2.5 od Liquid AI.
Model został specjalnie trenowany wewnątrz popularnych frameworków dla agentów, aby skupić się na wieloetapowym tool use zamiast ogólnej konwersacji. Obsługuje 131 tysięcy tokenów kontekstu i wspiera 16 języków, w tym angielski, arabski, chiński, hindi i japoński. Dostępne są wersje bazowa i po-trenowana na Hugging Face, wraz z wieloma formatami optymalizacyjnymi: GGUF, MLX oraz ONNX w precyzji 4, 5, 6 i 8-bitowej. Model działa na urządzeniach takich jak Apple M5 Max i AMD Ryzen AI Max+ 395, a także może być serwowany na pojedynczym GPU NVIDIA B300.
Na benchmarkach agenckich LFM2.5-24B-A2B prowadzi lub dorównuje większym modelom MoE - najlepiej wypadł na AutomationBench z wynikiem 27.69, ponad 3 razy wyżej niż Qwen3.6-35B-A3B (8.72). Słabsze wyniki osiąga na zadaniach wymagających głębokiej wiedzy i kodowania, co sugeruje, że model sprawdza się najlepiej w kombinacji z systemami retrieval. Architektura zachowuje 40-warstwowy design LFM2 z 30 warstwami konwolucyjnymi short conversation i dodatkowymi komponentami long-context. Każda odpowiedź asystenta zaczyna się od bloku '<think>', co wymusza explicite reasoning przed działaniem.