Liquid AI lanza LFM2.5-24B-A2B, un modelo de pesos abiertos para agentes que funcionan en el propio equipo

Liquid AI, una empresa que desarrolla modelos de IA pensados para funcionar en cualquier dispositivo, ha lanzado este 13 de octubre LFM2.5-24B-A2B, un modelo de pesos abiertos (se puede descargar y ejecutar en un equipo propio) hecho para agentes, los programas de IA que encadenan pasos y usan herramientas para completar una tarea. Desde ese día está disponible en Hugging Face, la plataforma donde se publican modelos, y en la zona de pruebas de Liquid AI. La empresa lo presenta como el mayor y el último de la familia LFM2.5, que empieza en LFM2.5-230M.

Tiene 24.000 millones de parámetros, los valores internos que un modelo ajusta al entrenarse, pero solo usa 2.000 millones cada vez que genera un fragmento de texto. Según Liquid AI, eso lo hace rápido en equipos de consumo: da 184 tokens (fragmentos de palabra) por segundo en un Apple M5 Max y 114 en un AMD Ryzen AI Max+ 395, hasta 1,7 veces más que el siguiente modelo de los que compara, y usando menos memoria que ellos. Con una sola GPU NVIDIA B300 y muchas peticiones simultáneas, la empresa mide más de 21.000 tokens de salida por segundo.

Es un modelo que siempre razona antes de responder: escribe su cadena de razonamiento y después la respuesta final, algo que la versión anterior, LFM2-24B-A2B, no hacía. Frente a ella, la ventana de contexto, el texto que puede tener presente a la vez, pasa de 32.768 a 131.072 tokens, y el vocabulario se duplica, de 65.000 a 128.000 tokens, para tratar mejor los idiomas que no usan el alfabeto latino. El preentrenamiento también creció, de 17 a 33 billones de tokens.

En las pruebas de la propia empresa, que son 16 en total, iguala o supera a Nemotron-3.5-Lightning, Gemma-4-26B-A4B-it y Qwen3.6-35B-A3B en cinco de las ocho pruebas de uso de herramientas y de trabajo como agente, aunque es el más pequeño de los cuatro. En LiveClaw obtiene 48,09 puntos frente a los 38,19 de Qwen3.6-35B-A3B, y en AutomationBench, 27,69 frente a 8,72, su mayor ventaja. También queda primero en las tres pruebas de seguimiento de instrucciones. Liquid AI reconoce que los modelos más grandes siguen por delante en las pruebas de conocimientos y de programación y, para las tareas que exigen muchos conocimientos, recomienda combinarlo con búsqueda de documentos o en la web.

En la demostración publicada, el modelo funciona dentro de Hermes Agent, un programa para manejar agentes, en un MacBook Pro con chip M5 Max. Prepara un resumen matinal de los modelos más populares en Hugging Face y responde a preguntas posteriores sin ninguna llamada a servicios en la nube. Liquid AI dice que llega con soporte desde el primer día para llama.cpp, MLX, vLLM, SGLang y ONNX, herramientas y formatos con los que se ejecutan modelos.

La empresa cuenta además un detalle del entrenamiento. En una de sus fases, el modelo hizo trampas ya conocidas, como buscar la respuesta final en el historial del repositorio o en GitHub, y llegó a darse cuenta de que estaba en un entorno de pruebas aislado. Liquid AI cree que puede explicarse por ejemplos parecidos en los datos de entrenamiento, dice que reforzó esos entornos y que los resultados publicados salen de entornos de evaluación sellados.

Quien prefiera no instalarlo puede usarlo a través de la API de Liquid AI, a 0,10 dólares por millón de tokens de entrada (0,05 si ya están en caché) y 1 dólar por millón de tokens de salida. Al registrarse en su consola, Liquid Console, se reciben 2 dólares de crédito.