Liquid AI lança o LFM2.5-24B-A2B: um modelo para agentes com 2B de parâmetros ativos

A Liquid AI lançou o LFM2.5-24B-A2B: um modelo de reasoning aberto com 24 bilhões de parâmetros, dos quais apenas 2 bilhões trabalham a cada token. A empresa aposta em agentes que rodam 24 horas por dia em hardware próprio, e não apenas sob demanda. O modelo supera concorrentes maiores em tarefas de tool use, gera 184 tok/s no Apple M5 Max e mais de 21 mil tokens de saída por segundo em uma única NVIDIA B300. Os pesos, incluindo a versão base, já estão no Hugging Face.

Por que 2B de parâmetros ativos mudam a economia do agente

Um agente não responde com uma única mensagem. Ele pensa, chama uma ferramenta, lê o resultado e pensa de novo. Uma só tarefa consome milhares de tokens de raciocínio, e é o custo desses tokens que determina se dá para manter o agente ligado o tempo todo. Em um modelo MoE com 2B de parâmetros ativos, cada token custa o mesmo que em um modelo denso pequeno, enquanto a capacidade de conhecimento é a de um modelo de 24B.

A arquitetura é herdada do LFM2-24B-A2B: 40 camadas, 64 especialistas em cada bloco MoE com roteamento top-4 e um híbrido de convoluções curtas com gate e GQA. O que mudou foi outra coisa. O contexto cresceu de 32K para 131K tokens, e o vocabulário dobrou de 65K para 128K, para tokenizar melhor idiomas não latinos. O modelo passou a ser reasoning-only: diferentemente do antecessor, ele sempre produz uma cadeia de raciocínio explícita antes da resposta.

Como foi o treinamento: 33T tokens e cinco estágios

O pré-treinamento passou de ~17T para ~33T tokens. Em seguida vem o mid-training: 2T tokens com contexto de 32K, com ênfase em raciocínio, matemática, código, seguimento de instruções e dados multilíngues, e 300B tokens com 131K, focados em contexto longo. Chamadas de ferramentas e trajetórias de múltiplos turnos estão presentes nas duas fases.

O pós-treinamento transforma a base em agente em cinco estágios:

• supervised fine-tuning (SFT);
• especialização de professores;
• multi-domain on-policy distillation (MOPD) em tarefas não agênticas;
• MOPD em tarefas agênticas;
• agentic RL dentro de harnesses reais: OpenClaw, Hermes Agent, Pi e OpenCode.

Treinar diretamente nos mesmos harnesses em que o modelo vai trabalhar depois reduz a distância típica entre benchmark e uso prático.

Onde o modelo ganha e onde perde

A Liquid AI comparou o modelo com Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it e Nemotron-3.5-Lightning (30B-A3B) em 16 benchmarks, todos executados via vLLM. Principais resultados do LFM2.5-24B-A2B (entre parênteses, o Qwen3.6-35B-A3B):

• AutomationBench: 27,69 (8,72), mais de três vezes o resultado do concorrente mais próximo;
• 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).

Os concorrentes têm vantagem em conhecimento e código. GPQA Diamond: 74,42 contra 83,69 do Qwen. SWE-Bench Verified (OpenCode): 51,00 contra 66,20 do Qwen e 53,40 do Nemotron. PinchBench: 83,18 contra 89,93. WebArena Verified: 26,75 contra 37,62. SciCode: 32,71 contra 37,35. No HLE, o modelo marca 7,40, e no AA-Omniscience, menos 24,90. A própria Liquid AI recomenda conectar retrieval ou busca na web em tarefas que exigem conhecimento.

Velocidade e como rodar localmente

No Apple M5 Max, o modelo decodifica 184 tok/s; no Ryzen AI Max+ 395, 114 tok/s. Isso é até 1,7 vez mais rápido que o MoE mais próximo entre os comparados, com consumo mínimo de memória. Em GPU, com alta concorrência, uma única B300 entrega mais de 21 mil tokens de saída por segundo, o melhor resultado da sua classe.

Há suporte desde o primeiro dia em llama.cpp, MLX, vLLM, SGLang e ONNX. Para o transformers, é preciso a versão 5.0.0 ou mais recente. O cenário prático é este: subir o modelo atrás de qualquer backend compatível com a API da OpenAI e apontar o harness para ele. As portas dependem do servidor: 8080 no llama.cpp e no MLX, 8000 no vLLM, 30000 no SGLang e 1234 no LM Studio. Para o Hermes Agent, bastam alguns comandos hermes config set com base_url, context_length 131072 e tool_use_enforcement ativado.

O resumo para o desenvolvedor: se a tarefa se resume a chamar ferramentas, automatizar processos e seguir instruções à risca, um modelo local com 2B de parâmetros ativos já compete com MoEs maiores, sem enviar dados para a nuvem. Para programação complexa e perguntas enciclopédicas, por ora é melhor usar um modelo maior ou adicionar busca externa. As duas versões, a regular e a Base, estão abertas para fine-tuning conforme as necessidades de cada projeto.