Liquid AI lanza LFM2.5-24B-A2B: un modelo para agentes con 2B de parámetros activos

Liquid AI ha lanzado LFM2.5-24B-A2B, un modelo de razonamiento abierto con 24 mil millones de parámetros, de los cuales solo 2 mil millones trabajan en cada token. La compañía apuesta por agentes que se ejecutan en hardware propio las 24 horas, y no solo bajo demanda. El modelo supera a competidores más grandes en tareas de tool use, genera 184 tokens/s en un Apple M5 Max y más de 21 mil tokens de salida por segundo en una sola NVIDIA B300. Los pesos, incluida la versión base, ya están disponibles en Hugging Face.

Por qué 2B de parámetros activos cambian la economía del agente

Un agente no responde con una sola réplica. Piensa, llama a una herramienta, lee el resultado y vuelve a pensar. Cada tarea consume miles de tokens de razonamiento, y su coste determina si se puede mantener al agente encendido de forma permanente. En un modelo MoE con 2B de parámetros activos, cada token cuesta lo mismo que en un modelo denso pequeño, mientras que la capacidad de conocimiento equivale a la de un modelo de 24B.

La arquitectura hereda la de LFM2-24B-A2B: 40 capas, 64 expertos en cada bloque MoE con enrutamiento top-4 y un híbrido de convoluciones cortas con compuertas y GQA. Lo que cambia es otra cosa. El contexto crece de 32K a 131K tokens y el vocabulario se duplica, de 65K a 128K, para tokenizar mejor los idiomas de alfabeto no latino. Además, el modelo es ahora reasoning-only: siempre genera una cadena de razonamiento explícita antes de responder, a diferencia de su predecesor.

Cómo se entrenó: 33T tokens y cinco etapas

El preentrenamiento aumentó de ~17T a ~33T tokens. Después viene el mid-training: 2T tokens con contexto de 32K, centrados en razonamiento, matemáticas, código, seguimiento de instrucciones y datos multilingües, y 300B tokens con 131K, centrados en contexto largo. Las llamadas a herramientas y las trayectorias de varios turnos están presentes en ambas fases.

El posentrenamiento convierte la base en un agente en cinco etapas:

• supervised fine-tuning (SFT);
• especialización de profesores;
• multi-domain on-policy distillation (MOPD) en tareas no agénticas;
• MOPD en tareas agénticas;
• agentic RL dentro de harnesses reales: OpenClaw, Hermes Agent, Pi y OpenCode.

Entrenar directamente en los mismos harnesses donde luego se ejecutará el modelo reduce la brecha habitual entre el benchmark y el uso real.

Dónde gana el modelo y dónde pierde

Liquid AI comparó el modelo con Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it y Nemotron-3.5-Lightning (30B-A3B) en 16 benchmarks, y todas las pruebas se ejecutaron con vLLM. Resultados clave de LFM2.5-24B-A2B (entre paréntesis, Qwen3.6-35B-A3B):

• AutomationBench: 27,69 (8,72), más del triple que el competidor más cercano;
• BFCLv4: 65,01 (65,00);
• ToolSandbox: 80,71 (75,02);
• LiveClaw: 48,09 (38,19);
• τ³-Bench Banking: 8,04 (7,63);
• IFEval: 96,75 (93,06); IFBench: 74,69 (64,21); Multi-IF: 84,38 (81,53);
• MATH-500: 96,04 (96,73).

Los competidores van por delante en conocimiento y código. GPQA Diamond: 74,42 frente a 83,69 de Qwen. SWE-Bench Verified (OpenCode): 51,00 frente a 66,20 de Qwen y 53,40 de Nemotron. PinchBench: 83,18 frente a 89,93. WebArena Verified: 26,75 frente a 37,62. SciCode: 32,71 frente a 37,35. En HLE el modelo obtiene 7,40 y en AA-Omniscience, menos 24,90. La propia Liquid AI recomienda conectar retrieval o búsqueda web para las tareas que requieren conocimiento.

Velocidad y cómo ejecutarlo en local

En el Apple M5 Max el modelo decodifica 184 tokens/s, y en el Ryzen AI Max+ 395, 114 tokens/s. Es hasta 1,7 veces más rápido que el MoE comparado más cercano, con un consumo mínimo de memoria. En GPU, con alta concurrencia, una sola B300 genera más de 21 mil tokens de salida por segundo, el mejor resultado de su clase.

La compatibilidad existe desde el primer día en llama.cpp, MLX, vLLM, SGLang y ONNX. Para transformers hace falta la versión 5.0.0 o posterior. El escenario práctico es este: levantar el modelo detrás de cualquier backend compatible con OpenAI y apuntar el harness hacia él. Los puertos dependen del servidor: 8080 en llama.cpp y MLX, 8000 en vLLM, 30000 en SGLang y 1234 en LM Studio. Para Hermes Agent bastan unos pocos comandos hermes config set con base_url, context_length 131072 y tool_use_enforcement activado.

Conclusión para el desarrollador: si la tarea se reduce a llamar herramientas, automatizar y seguir instrucciones de forma estricta, un modelo local con 2B de parámetros activos ya compite con MoE más grandes, sin enviar datos a la nube. Para programación compleja y preguntas enciclopédicas, por ahora conviene elegir un modelo mayor o añadir búsqueda externa. Ambas versiones, la estándar y la Base, están abiertas para ajustarlas a tareas propias.