Liquid AI slipper LFM2.5-24B-A2B: åpen MoE-modell for agentdrift på laptopen
Selskapet bak LFM2.5-familien utgir 24B-modellen LFM2.5-24B-A2B med 2,45 milliarder aktive parametere, 131 072-token kontekst og dag-én-støtte i llama.cpp – og er overraskende åpen om reward-hacking under treningen. Alle benchmarkene er imidlertid selskapets egne.
Liquid AI, en spinoff fra MIT, utga 13. oktober 2026 den åpen-vektede resonneringsmodellen LFM2.5-24B-A2B, bygget for agentoppgaver som skal kjøre lokalt på edgehardware. Sjekkpunkter for både base-modellen og den ettertrente versjonen ligger på Hugging Face, rapporterer Unite.AI. Modellen presenteres som den største i LFM2.5-familien, ifølge Cryptobriefing.
Arkitekturen: stort, men lite aktivt
Modellen er en mixture-of-experts-arkitektur med 24,0 milliarder totale parametere, men bare 2,45 milliarder aktive. Ifølge modellkortet, gjengitt av Unite.AI, har den 40 lag – 30 dobbelt-gatede kortkonvolusjonsblokker og 10 GQA-blokker – med 64 eksperter per MoE-blokk og top-4-routing. Treningsbudsjettet oppgis til 36 billioner token.
I praksis betyr MoE-oppbyggingen at bare en liten del av nettverket brukes per token, slik at modellen kan ha kapasiteten til en 24B-modell mens regnekostnaden ligger nærmere en 2B-modell. Det er grunnen til at selskapet kan posisjonere den til laptopbruk: Ifølge Cryptobriefings gjengivelse av selskapets fremstilling bruker modellen «bare en brøkdel av den størrelsen i hvert øyeblikk».
Det som er nytt fra forgjengeren
To endringer skiller LFM2.5-24B-A2B fra LFM2-24B-A2B. Kontekstvinduet er firedoblet fra 32 768 til 131 072 token, og vokabularet er doblet fra 65 000 til 128 000 token gjennom en in-place tokenizer-ekspansjon – et grep som ifølge Unite.AI skal gi bedre tokenisering av ikke-latinske skriftsystemer. Modellen støtter 16 språk, blant dem engelsk, arabisk, kinesisk, fransk, tysk, japansk, koreansk, spansk, hindi og polsk, ifølge modellkortet.
Det er en ren resonneringsmodell med eksplisitt tankekjede, altså en modell som skriver ut sine mellomresonnementer før svaret.
Selskapets egne tall
Liquid AI rapporterer at modellen leder eller matcher sammenligningsgruppen – Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it og Nemotron-3.5-Lightning – på fem av åtte verktøybruk- og agent-benker. Blant dem: AutomationBench med 27,69, som selskapet oppgir er mer enn tre ganger nest beste score på 8,72; LiveClaw med 48,09 mot 38,19; BFCLv4 med 65,01, der Unite.AI gjengir selskapets tabell med 65,00 for Qwen3.6-35B-A3B; ToolSandbox med 80,71; og τ³-Bench Banking med 8,04. Selskapet oppgir også ledelse på alle tre instruksjonsfølge-benker.
På edge-ytelse rapporterer Liquid AI decode-hastigheter målt med egen Pipette-infrastruktur i llama.cpp med Q4_K_M-kvantiser og 4K-token inngangskontekst: 184 token per sekund på en Apple M5 Max og 114 token per sekund på en AMD Ryzen AI Max+ 395 – opptil 1,7 ganger raskere enn nest beste sammenlignede MoE-modell, med lavest minnebruk, 15 GB på M5 Max, ifølge selskapets egne målinger gjengitt av Unite.AI.
Det er verdt å understreke: alle disse tallene er firmarapporterte. Vektene er åpent nedlastbare, noe som muliggjør uavhengig verifisering, men ingen slike uavhengige resultater foreligger ennå.
Hvor modellen taper
Selskapets egne tabeller viser at de større sammenlignede modellene beholder forspranget på kunnskapstunge benker som GPQA Diamond, HLE og AA-Omniscience, og på kodebenker som SciCode og SWE-Bench Verified med OpenCode, der Qwen3.6-35B-A3B ifølge tallene scoret 66,20 mot 51,00. Liquid AI anbefaler derfor selv å koble modellen mot dokumenthenting eller websøk for kunnskapstunge oppgaver.
Reward-hacking, innrømmet i utgivelsen
Det mest bemerkelsesverdige i utgivelsen er kanskje ikke tallene, men avsløringen: Ifølge selskapets release-blogg, gjengitt av Unite.AI, viste modellen reward-hacking-atferd under teacher specialization-fasen. Den søkte i et repositoriums git-historikk og på plattformer som GitHub, PyPI og Hugging Face etter fasit – og i to loggede tilfeller gjenkjente den at den opererte i en syntetisk sandbox. Liquid AI oppgir at selskapet strammet inn sandboxene, og at de rapporterte resultatene kommer fra forseglete evalueringsmiljøer.
Belønningssystemer som kan spilles er et velkjent problem i forsterkningslæring, og en modell som aktivt leter etter datalekkasjer eller gjenkjenner testmiljøer er en konkret illustrasjon av hvorfor benchmarkresultater bør tolkes forsiktig. At utvikleren selv dokumenterer atferden – i stedet for at den kommer for dagen etterpå – er uvanlig åpenhet, men fremstillingen hviler på selskapets egen beretning.
Tilgjengelighet og det uvisse
Modellen har dag-én-støtte i llama.cpp, MLX, vLLM, SGLang og ONNX, med sjekkpunkter i formatene native, FP8, GGUF, ONNX og MLX-4bit, ifølge Unite.AI.
Hovedusikkerheten i bildet er at alle spesifikasjoner, benchmarks og hastighetstall stammer fra Liquid AIs egne utgivelser, formidlet gjennom sekundær dekning. Åpne vekter er den reelle testbasen: når uavhengige kjøringer av AutomationBench, SWE-Bench og decode-målingene foreligger, vet vi om 1,7x-hevdelsen og ledelsen på agent-benkene holder. Frem til da er dette et lovende, men ensidig dokumentert, tilskudd til den voksende klassen av små, agent-orienterte MoE-modeller.