Qu’est-ce que LFM2.5-24B-A2B ?
LFM2.5-24B-A2B est le plus grand et le dernier modèle de la famille LFM2.5 de Liquid AI, sorti le 13 octobre 2026. C'est un modèle mixture-of-experts avec 24 milliards de paramètres, dont 2,45 milliards travaillent sur chaque token, et une disposition inhabituelle : 30 de ses 40 couches sont des blocs de convolution courts et seules 10 utilisent l'attention. Il lit et écrit du texte, a un contexte de 131 072 tokens, et raisonne toujours avant de répondre. Comparé à LFM2-24B-A2B, il quadruple le contexte depuis 32K, double le vocabulaire à 128 000 tokens et presque double le pré-entraînement à environ 33 billions de tokens.
Le post-entraînement a inclus de l'apprentissage par renforcement dans quatre harnais d'agent (OpenClaw, Hermes Agent, Pi et OpenCode), si bien que le modèle a pratiqué leurs outils et prompts système. Liquid indique qu'il décode 184 tokens par seconde sur un Apple M5 Max en 4 bits et atteint plus de 21 000 tokens de sortie par seconde sur un seul NVIDIA B300 à forte concurrence.
Les poids sont sous la LFM Open License v1.0, qui interdit l'usage commercial aux organisations avec 10 millions de dollars ou plus de revenus annuels. L'API propre de Liquid facture 0,10 $ par million de tokens en entrée et 1,00 $ par million en sortie. Liquid a depuis sorti sa génération suivante, LFM3, une famille de petits modèles texte, vision, audio, omni et décision couverte dans notre review LFM3 séparée.
LFM2.5-24B-A2B vaut-il le coup ?
LFM2.5-24B-A2B est bâti pour une seule tâche, appeler des outils sur une machine locale, et les chiffres de Liquid disent qu'il fait ce travail mieux que des rivaux plus grands. Sa fiche rapporte 27,69 sur AutomationBench contre 8,72 pour Qwen3.6-35B-A3B, 48,09 sur LiveClaw contre 38,19, et 80,71 sur ToolSandbox contre 75,02, tous les modèles étant exécutés par Liquid dans vLLM. Il mène aussi les trois tests de suivi d'instructions, avec 96,75 sur IFEval. Artificial Analysis n'avait pas noté le modèle au moment de notre vérification, donc rien de tout cela n'est confirmé de façon indépendante.
Le même tableau montre son plafond. Qwen3.6-35B-A3B mène SWE-bench Verified dans OpenCode à 66,20 contre 51,00, GPQA Diamond à 83,69 contre 74,42, WebArena Verified à 37,62 contre 26,75 et PinchBench à 89,93 contre 83,18. Liquid lui-même déconseille de l'utiliser seul pour le travail à forte intensité de connaissances et suggère de l'associer à de la récupération ou de la recherche web.
L'argument matériel est solide. Le GGUF Q4_K_M fait 14,53 GB et une version Q4_0 consciente de la quantification fait 13,58 GB, si bien qu'il tient sur un Mac de 24 GB avec de la place pour le contexte, ou sur un GPU de 16 GB avec très peu. Liquid a mesuré 184 tokens par seconde sur un M5 Max et 114 sur un AMD Ryzen AI Max+ 395, jusqu'à 1,7 fois le modèle suivant le mieux placé qu'il a comparé, à une entrée de 4K tokens. Ce sont les chiffres de Liquid issus de son propre banc de test.
La licence est la vraie contrainte. La LFM Open License v1.0 n'accorde des droits commerciaux qu'aux organisations sous 10 millions de dollars de revenus annuels ; tout ce qui est plus grand a besoin d'un accord séparé avec Liquid. Gemma 4, sous Apache 2.0, ne porte aucun plafond de ce genre. L'usage héberg é contourne la question, et les 0,05 $ en entrée et 0,70 $ en sortie par million d'OpenRouter passent sous les 0,10 $ et 1,00 $ propres de Liquid, mais chaque réponse commence par un bloc de raisonnement, si bien que la dépense de sortie est plus élevée que celle d'un modèle sans réflexion.
Là où il fait la différence
Un développeur qui fait tourner Hermes Agent ou OpenClaw sur un MacBook de 24 GB
Faire tourner un agent personnel privé qui réserve, classe et cherche via des outils
Servir le GGUF Q4_K_M de 14,53 GB avec llama.cpp ou la version MLX 4 bits et pointer le harnais sur l'endpoint local avec un contexte de 131 072 tokens. Le modèle a été entraîné dans ces harnais ; associez-le à de la recherche web, car Liquid indique que la connaissance est son côté faible.
Un ingénieur plateforme dans une entreprise SaaS qui sert des agents d'automatisation à ses clients
Faire tourner de l'appel d'outils à fort volume à bas coût
Liquid rapporte plus de 21 000 tokens de sortie par seconde sur un B300 avec SGLang à forte concurrence. L'auto-hébergement a besoin d'un accord commercial si le revenu est de 10 millions de dollars ou plus ; sinon le tarif de 0,05 $/0,70 $ d'OpenRouter place 1 milliard de tokens en entrée et 100 millions en sortie par mois à environ 120 $.
Le fondateur d'une startup legal-tech de sept personnes
Livrer un assistant sur l'appareil dans un produit desktop
Sous 10 millions de dollars de revenus, la licence LFM autorise l'usage commercial et l'affinage, avec les mentions conservées dans les copies redistribuées. Prévoyez une renégociation une fois que l'entreprise franchit le seuil, car la licence ne la couvre alors plus.
Avant de vous engager
- Mise en route
- Transformers 5.0 ou ultérieur, vLLM, SGLang, llama.cpp, MLX ou LM Studio. Une balise `<think>` est ajoutée à chaque réponse par le modèle de chat ; Liquid recommande une température de 0.1, top_k 50 et une pénalité de répétition de 1.05.
- Intégrations
- Les appels d'outils par défaut sont des listes de fonctions pythoniques entre tokens spéciaux et basculent en JSON si le prompt système le demande ; Liquid documente les configurations Hermes, OpenClaw et Pi. Hébergé sur Liquid Console et sur OpenRouter, où Liquid est le fournisseur.
- Données et confidentialité
- L'auto-hébergement garde les données en local. La LFM Open License v1.0 autorise l'usage commercial uniquement aux organisations sous 10 millions de dollars de revenus annuels, avec une exception pour la recherche à but non lucratif.
- Coût à grande échelle
- Sur OpenRouter, 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 120 $ ; sur le 0,10 $/1,00 $ de Liquid Console, environ 200 $. L'auto-hébergement a besoin de 13,58 à 14,53 GB en 4 bits, 25,49 GB en Q8_0 ou 47,96 GB en BF16.
- Limites
- Contexte de 131 072 tokens ; OpenRouter sert 128 000 tokens avec un plafond de sortie de 8 192 tokens. Texte uniquement. Raisonne toujours d'abord. Liquid déconseille les tâches à forte intensité de connaissances sans récupération.
Les points forts
- 27,69 sur AutomationBench contre 8,72 pour Qwen3.6-35B-A3B (autodéclaré)
- 14,53 GB en Q4_K_M ; 184 tokens/s sur un M5 Max (Liquid)
- Versions GGUF, MLX, ONNX et FP8 au lancement
- 0,05 $ / 0,70 $ par 1M de tokens sur OpenRouter
Les points faibles
- Pas de licence commerciale à 10M$+ de revenus annuels
- Derrière Qwen3.6-35B-A3B sur SWE-bench Verified et GPQA
- Raisonne toujours, si bien que les tokens de sortie s'accumulent
- Texte uniquement ; pas encore de score de classement indépendant
Idéal pour
Les développeurs et petites entreprises qui font tourner des agents à appel d'outils sur des portables ou des GPU uniques, sous la barre des 10 millions de dollars de revenus ou via une API hébergée.
Alternatives à LFM2.5-24B-A2B
LFM2.5-24B-A2B : questions fréquentes
- LFM2.5-24B-A2B vaut-il le coup ?
- Un modèle d'agent de taille portable qui surpasse Qwen3.6-35B-A3B sur les tests d'outils, freiné par une licence qui s'arrête à 10 millions de dollars de revenus. Nous lui donnons 3.8 sur 5.
- Combien coûte LFM2.5-24B-A2B ?
- Poids gratuits sous la LFM Open License (usage commercial uniquement sous 10M$ de revenus annuels). Liquid Console : 0,10 $ en entrée / 1,00 $ en sortie par 1M de tokens ; OpenRouter : 0,05 $ / 0,70 $.
- Quels sont les inconvénients de LFM2.5-24B-A2B ?
- Pas de licence commerciale à 10M$+ de revenus annuels; derrière Qwen3.6-35B-A3B sur SWE-bench Verified et GPQA; raisonne toujours, si bien que les tokens de sortie s'accumulent; texte uniquement ; pas encore de score de classement indépendant.
- À qui s’adresse LFM2.5-24B-A2B ?
- Les développeurs et petites entreprises qui font tourner des agents à appel d'outils sur des portables ou des GPU uniques, sous la barre des 10 millions de dollars de revenus ou via une API hébergée.
- Combien coûte LFM2.5-24B-A2B pour une équipe ou en production ?
- Sur OpenRouter, 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 120 $ ; sur le 0,10 $/1,00 $ de Liquid Console, environ 200 $. L'auto-hébergement a besoin de 13,58 à 14,53 GB en 4 bits, 25,49 GB en Q8_0 ou 47,96 GB en BF16.
- LFM2.5-24B-A2B est-il sûr pour les données de l’entreprise ?
- L'auto-hébergement garde les données en local. La LFM Open License v1.0 autorise l'usage commercial uniquement aux organisations sous 10 millions de dollars de revenus annuels, avec une exception pour la recherche à but non lucratif.
- Quelles sont les meilleures alternatives à LFM2.5-24B-A2B ?
- Les alternatives les plus proches que nous avons testées sont gpt-oss-20b, Gemma 4, Underdog Saluki 27B 1.0, Qwen3.8-27B et Ministral 3 (3B, 8B and 14B).
Réponses vérifiées le 28 oct. 2026.