LFM2.5-24B-A2B의 개요
LFM2.5-24B-A2B는 Liquid AI LFM2.5 제품군에서 가장 크고 마지막인 모델로, 2026년 10월 13일 공개됐습니다. 파라미터 240억(24 billion) 개 중 토큰마다 24.5억(2.45 billion) 개가 작동하는 mixture-of-experts 모델이며, 구조가 특이합니다. 40개 레이어 중 30개가 짧은 합성곱 블록이고 어텐션을 쓰는 것은 10개뿐입니다. 텍스트를 읽고 쓰며, 컨텍스트는 131,072 토큰이고, 답하기 전에 항상 추론합니다. LFM2-24B-A2B와 비교하면 컨텍스트를 32K에서 4배로 늘렸고, 어휘를 128,000 토큰으로 2배로 늘렸으며, 사전 학습을 약 33조(33 trillion) 토큰으로 거의 2배 늘렸습니다.
사후 학습에는 네 가지 에이전트 하네스(OpenClaw, Hermes Agent, Pi, OpenCode) 안에서의 강화 학습이 포함돼, 모델이 그 도구와 시스템 프롬프트를 연습했습니다. Liquid는 4비트로 Apple M5 Max에서 초당 184 토큰을 디코딩하고, NVIDIA B300 한 장에서 높은 동시성일 때 초당 21,000 출력 토큰을 넘긴다고 말합니다.
가중치는 LFM Open License v1.0을 따르며, 연 매출 $10 million(1,000만 달러) 이상인 조직의 상업 이용을 금지합니다. Liquid 자체 API는 입력 100만 토큰당 $0.10, 출력 100만 토큰당 $1.00을 받습니다. Liquid는 이후 차세대 LFM3를 내놓았습니다. 텍스트, 비전, 오디오, 옴니, 의사결정용 소형 모델 제품군으로, 별도의 LFM3 리뷰에서 다룹니다.
LFM2.5-24B-A2B, 쓸 만한 가치가 있습니까?
LFM2.5-24B-A2B는 로컬 기기에서 도구를 호출하는 한 가지 일을 위해 만들어졌고, Liquid의 수치로는 더 큰 경쟁 모델보다 그 일을 잘합니다. 카드에 따르면 AutomationBench 27.69(Qwen3.6-35B-A3B 8.72), LiveClaw 48.09(38.19), ToolSandbox 80.71(75.02)이며, 모든 모델을 Liquid가 vLLM으로 돌렸습니다. 지시 따르기 테스트 세 가지에서도 모두 1위이며 IFEval은 96.75입니다. 우리가 확인한 시점에 Artificial Analysis는 이 모델을 평가하지 않았으므로, 어느 것도 독립적으로 확인되지 않았습니다.
같은 표가 한계도 보여 줍니다. Qwen3.6-35B-A3B가 OpenCode의 SWE-bench Verified에서 66.20 대 51.00, GPQA Diamond에서 83.69 대 74.42, WebArena Verified에서 37.62 대 26.75, PinchBench에서 89.93 대 83.18로 앞섭니다. Liquid 스스로도 지식 중심 작업에 단독으로 쓰지 말고 검색이나 웹 검색과 함께 쓰라고 권합니다.
하드웨어 측면의 근거는 탄탄합니다. Q4_K_M GGUF는 14.53 GB, 양자화 인식 Q4_0 빌드는 13.58 GB라, 24 GB Mac에는 컨텍스트 여유를 두고 들어가고 16 GB GPU에는 여유가 거의 없이 들어갑니다. Liquid는 4K 토큰 입력에서 M5 Max 초당 184 토큰, AMD Ryzen AI Max+ 395 초당 114 토큰을 측정했으며, 비교한 차순위 모델의 최대 1.7배입니다. Liquid 자체 벤치마크 장비의 수치입니다.
진짜 제약은 라이선스입니다. LFM Open License v1.0은 연 매출 $10 million 미만 조직에만 상업 권리를 주며, 그보다 크면 Liquid와 별도 계약이 필요합니다. Apache 2.0인 Gemma 4에는 그런 상한이 없습니다. 호스팅으로 쓰면 이 문제를 피할 수 있고, OpenRouter의 100만 토큰당 입력 $0.05, 출력 $0.70은 Liquid 자체의 $0.10, $1.00보다 쌉니다. 다만 모든 답이 추론 블록으로 시작하므로 출력 비용은 비추론 모델보다 많이 듭니다.
제 역할을 하는 곳
24 GB MacBook에서 Hermes Agent나 OpenClaw를 쓰는 개발자
도구로 예약, 파일 정리, 검색을 하는 개인용 비공개 에이전트 운영하기
14.53 GB Q4_K_M GGUF를 llama.cpp로, 또는 MLX 4비트 빌드로 서빙하고, 하네스를 131,072 토큰 컨텍스트의 로컬 엔드포인트로 연결합니다. 모델은 이 하네스들 안에서 학습했습니다. Liquid가 지식을 약점으로 꼽으므로 웹 검색과 함께 씁니다.
고객에게 자동화 에이전트를 제공하는 SaaS 회사의 플랫폼 엔지니어
대량의 도구 호출을 저렴하게 처리하기
Liquid는 B300 한 장에서 SGLang으로 높은 동시성일 때 초당 21,000 출력 토큰 이상을 보고합니다. 매출이 $10 million 이상이면 셀프 호스팅에 상업 계약이 필요합니다. 그렇지 않으면 OpenRouter의 $0.05/$0.70 요금으로 월 입력 10억(1 billion), 출력 1억(100 million) 토큰이 약 $120입니다.
7명 규모 리걸테크 스타트업의 창업자
데스크톱 제품 안에 온디바이스 어시스턴트 넣기
매출 $10 million 미만이면 LFM 라이선스가 상업 이용과 파인튜닝을 허용하며, 재배포본에는 고지를 유지해야 합니다. 회사가 기준을 넘으면 라이선스가 더는 적용되지 않으므로 재협상 비용을 미리 잡아 둡니다.
도입 전 확인할 점
- 설정
- Transformers 5.0 이상, vLLM, SGLang, llama.cpp, MLX, LM Studio. 채팅 템플릿이 모든 답에 `<think>` 태그를 붙입니다. Liquid는 temperature 0.1, top_k 50, repetition penalty 1.05를 권장합니다.
- 연동
- 도구 호출은 기본적으로 특수 토큰 사이의 Pythonic 함수 목록이며, 시스템 프롬프트가 요청하면 JSON으로 바뀝니다. Liquid는 Hermes, OpenClaw, Pi 구성을 문서화합니다. Liquid Console과, Liquid가 제공자로 나선 OpenRouter에서 호스팅됩니다.
- 데이터와 개인정보
- 셀프 호스팅하면 데이터가 로컬에 남습니다. LFM Open License v1.0은 연 매출 $10 million 미만 조직에만 상업 이용을 허용하며, 비영리 연구는 예외입니다.
- 대규모 사용 시 비용
- OpenRouter에서 월 입력 10억(1 billion), 출력 1억(100 million) 토큰은 약 $120, Liquid Console의 $0.10/$1.00로는 약 $200입니다. 셀프 호스팅에는 4비트로 13.58~14.53 GB, Q8_0으로 25.49 GB, BF16으로 47.96 GB가 필요합니다.
- 제한
- 컨텍스트 131,072 토큰. OpenRouter는 128,000 토큰을 제공하고 출력 상한은 8,192 토큰입니다. 텍스트 전용입니다. 항상 먼저 추론합니다. Liquid는 검색 없이 지식 중심 작업에 쓰지 말라고 권합니다.
좋은 점
- AutomationBench 27.69, Qwen3.6-35B-A3B는 8.72(자체 보고)
- Q4_K_M 14.53 GB, M5 Max에서 초당 184 토큰(Liquid)
- 출시 시점에 GGUF, MLX, ONNX, FP8 빌드 제공
- OpenRouter에서 1M 토큰당 $0.05 / $0.70
아쉬운 점
- 연 매출 $10M 이상이면 상업 라이선스 없음
- SWE-bench Verified와 GPQA에서 Qwen3.6-35B-A3B에 뒤짐
- 항상 추론하므로 출력 토큰이 쌓임
- 텍스트 전용, 아직 독립 리더보드 점수 없음
추천 대상
노트북이나 GPU 한 장에서 도구 호출 에이전트를 돌리면서, 매출 $10 million 기준 아래에 있거나 호스팅 API를 쓰는 개발자와 소규모 회사.
LFM2.5-24B-A2B 대안
LFM2.5-24B-A2B: 자주 묻는 질문
- LFM2.5-24B-A2B, 쓸 만한 가치가 있습니까?
- 도구 테스트에서 Qwen3.6-35B-A3B보다 도구를 잘 부르는 노트북 크기의 에이전트 모델이지만, 매출 $10 million에서 멈추는 라이선스가 발목을 잡습니다. 평점은 5점 만점에 3.8점입니다.
- LFM2.5-24B-A2B의 가격은 얼마입니까?
- LFM Open License에 따른 무료 가중치(상업 이용은 연 매출 $10M 미만만). Liquid Console: 1M 토큰당 입력 $0.10 / 출력 $1.00. OpenRouter: $0.05 / $0.70.
- LFM2.5-24B-A2B의 단점은 무엇입니까?
- 연 매출 $10M 이상이면 상업 라이선스 없음; SWE-bench Verified와 GPQA에서 Qwen3.6-35B-A3B에 뒤짐; 항상 추론하므로 출력 토큰이 쌓임; 텍스트 전용, 아직 독립 리더보드 점수 없음.
- LFM2.5-24B-A2B에 적합한 사람은 누구입니까?
- 노트북이나 GPU 한 장에서 도구 호출 에이전트를 돌리면서, 매출 $10 million 기준 아래에 있거나 호스팅 API를 쓰는 개발자와 소규모 회사.
- 팀이나 프로덕션 환경에서 LFM2.5-24B-A2B의 비용은 얼마입니까?
- OpenRouter에서 월 입력 10억(1 billion), 출력 1억(100 million) 토큰은 약 $120, Liquid Console의 $0.10/$1.00로는 약 $200입니다. 셀프 호스팅에는 4비트로 13.58~14.53 GB, Q8_0으로 25.49 GB, BF16으로 47.96 GB가 필요합니다.
- LFM2.5-24B-A2B에 회사 데이터를 맡겨도 안전합니까?
- 셀프 호스팅하면 데이터가 로컬에 남습니다. LFM Open License v1.0은 연 매출 $10 million 미만 조직에만 상업 이용을 허용하며, 비영리 연구는 예외입니다.
- LFM2.5-24B-A2B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 gpt-oss-20b, Gemma 4, Underdog Saluki 27B 1.0, Qwen3.8-27B 및 Ministral 3 (3B, 8B and 14B)입니다.
답변 확인일: 2026년 10월 28일.