O que é LFM2.5-24B-A2B?
O LFM2.5-24B-A2B é o maior e último modelo da família LFM2.5 da Liquid AI, lançado em 13 de outubro de 2026. É um modelo de mistura de especialistas com 24 bilhões de parâmetros, dos quais 2,45 bilhões trabalham em cada token, e um layout incomum: 30 das suas 40 camadas são blocos curtos de convolução e só 10 usam atenção. Lê e escreve texto, tem contexto de 131.072 tokens e sempre raciocina antes de responder. Em comparação com o LFM2-24B-A2B, ele quadruplica o contexto, que era de 32K, dobra o vocabulário para 128.000 tokens e quase dobra o pré-treinamento, para cerca de 33 trilhões de tokens.
O pós-treinamento incluiu aprendizado por reforço dentro de quatro harnesses de agentes (OpenClaw, Hermes Agent, Pi e OpenCode), então o modelo praticou as ferramentas e os system prompts deles. A Liquid diz que ele decodifica 184 tokens por segundo em um Apple M5 Max em 4 bits e passa de 21.000 tokens de saída por segundo em uma NVIDIA B300 com alta concorrência.
Os pesos estão sob a LFM Open License v1.0, que proíbe o uso comercial por organizações com US$ 10 milhões ou mais de receita anual. A API da própria Liquid cobra US$ 0,10 por milhão de tokens de entrada e US$ 1,00 por milhão de saída. Desde então, a Liquid lançou sua geração seguinte, o LFM3, uma família de pequenos modelos de texto, visão, áudio, omni e decisão, tratada na nossa análise separada do LFM3.
LFM2.5-24B-A2B vale a pena?
O LFM2.5-24B-A2B foi feito para uma tarefa, chamar ferramentas em uma máquina local, e os números da Liquid dizem que ele faz isso melhor que rivais maiores. O card informa 27,69 no AutomationBench contra 8,72 do Qwen3.6-35B-A3B, 48,09 no LiveClaw contra 38,19 e 80,71 no ToolSandbox contra 75,02, com todos os modelos rodados pela Liquid no vLLM. Ele também lidera os três testes de seguimento de instruções, com 96,75 no IFEval. A Artificial Analysis ainda não tinha avaliado o modelo quando verificamos, então nada disso foi confirmado de forma independente.
A mesma tabela mostra o teto dele. O Qwen3.6-35B-A3B lidera o SWE-bench Verified no OpenCode por 66,20 a 51,00, o GPQA Diamond por 83,69 a 74,42, o WebArena Verified por 37,62 a 26,75 e o PinchBench por 89,93 a 83,18. A própria Liquid desaconselha usá-lo sozinho em trabalho com muito conhecimento e sugere combiná-lo com recuperação ou busca na web.
O argumento do hardware é forte. O GGUF Q4_K_M tem 14,53 GB e uma versão Q4_0 com treino ciente de quantização tem 13,58 GB, então ele cabe em um Mac de 24 GB com espaço para contexto, ou em uma GPU de 16 GB com muito pouco. A Liquid mediu 184 tokens por segundo em um M5 Max e 114 em um AMD Ryzen AI Max+ 395, até 1,7 vez o segundo melhor modelo comparado, com entrada de 4K tokens. São números da Liquid, do próprio equipamento de benchmark.
A licença é a verdadeira restrição. A LFM Open License v1.0 concede direitos comerciais só a organizações com menos de US$ 10 milhões de receita anual; qualquer uma maior precisa de um acordo separado com a Liquid. O Gemma 4, sob Apache 2.0, não tem esse teto. O uso hospedado contorna a questão, e os US$ 0,05 de entrada e US$ 0,70 de saída por milhão do OpenRouter ficam abaixo dos US$ 0,10 e US$ 1,00 da própria Liquid, mas toda resposta começa com um bloco de raciocínio, então o gasto com saída fica maior que o de um modelo sem raciocínio.
Onde ele se destaca
Um desenvolvedor rodando Hermes Agent ou OpenClaw em um MacBook de 24 GB
Rodar um agente pessoal privado que reserva, arquiva e pesquisa por meio de ferramentas
Sirva o GGUF Q4_K_M de 14,53 GB com llama.cpp ou a versão MLX de 4 bits e aponte o harness para o endpoint local com contexto de 131.072 tokens. O modelo foi treinado nesses harnesses; combine-o com busca na web, já que a Liquid diz que conhecimento é seu lado fraco.
Um engenheiro de plataforma em uma empresa de SaaS que oferece agentes de automação a clientes
Rodar chamadas de ferramenta em alto volume a baixo custo
A Liquid informa mais de 21.000 tokens de saída por segundo em uma B300 com SGLang em alta concorrência. Auto-hospedar exige um acordo comercial se a receita for de US$ 10 milhões ou mais; caso contrário, a tarifa de US$ 0,05/US$ 0,70 do OpenRouter coloca 1 bilhão de tokens de entrada e 100 milhões de saída por mês em cerca de US$ 120.
O fundador de uma startup de legal tech com sete pessoas
Entregar um assistente no dispositivo dentro de um produto desktop
Abaixo de US$ 10 milhões de receita, a licença LFM permite uso comercial e fine-tuning, mantendo os avisos nas cópias redistribuídas. Reserve orçamento para uma renegociação quando a empresa passar do limite, porque a licença deixa de cobri-la.
Antes de decidir
- Configuração
- Transformers 5.0 ou mais recente, vLLM, SGLang, llama.cpp, MLX ou LM Studio. O chat template adiciona uma tag `<think>` a toda resposta; a Liquid recomenda temperature 0.1, top_k 50 e repetition penalty 1.05.
- Integrações
- As chamadas de ferramenta usam por padrão listas de funções em estilo Python entre tokens especiais e passam para JSON se o system prompt pedir; a Liquid documenta configurações para Hermes, OpenClaw e Pi. Hospedado no Liquid Console e no OpenRouter, onde a Liquid é a provedora.
- Dados e privacidade
- Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só para organizações com menos de US$ 10 milhões de receita anual, com uma exceção para pesquisa sem fins lucrativos.
- Custo em escala
- No OpenRouter, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 120; nos US$ 0,10/US$ 1,00 do Liquid Console, cerca de US$ 200. Auto-hospedar exige de 13,58 a 14,53 GB em 4 bits, 25,49 GB em Q8_0 ou 47,96 GB em BF16.
- Limites
- Contexto de 131.072 tokens; o OpenRouter serve 128.000 tokens com limite de saída de 8.192 tokens. Só texto. Sempre raciocina primeiro. A Liquid desaconselha tarefas com muito conhecimento sem recuperação.
O que é bom
- 27,69 no AutomationBench contra 8,72 do Qwen3.6-35B-A3B (autodeclarado)
- 14,53 GB em Q4_K_M; 184 tokens/s em um M5 Max (Liquid)
- Versões GGUF, MLX, ONNX e FP8 no lançamento
- US$ 0,05 / US$ 0,70 por 1M de tokens no OpenRouter
O que não é
- Sem licença comercial a partir de US$ 10M de receita anual
- Atrás do Qwen3.6-35B-A3B no SWE-bench Verified e no GPQA
- Sempre raciocina, então os tokens de saída se acumulam
- Só texto; ainda sem pontuação em leaderboard independente
Ideal para
Desenvolvedores e empresas menores que rodam agentes com chamadas de ferramenta em notebooks ou em uma única GPU, que ficam abaixo da linha de US$ 10 milhões de receita ou usam uma API hospedada.
Alternativas ao LFM2.5-24B-A2B
LFM2.5-24B-A2B: perguntas frequentes
- LFM2.5-24B-A2B vale a pena?
- Um modelo de agente do tamanho de um notebook que supera o Qwen3.6-35B-A3B em testes de ferramentas, freado por uma licença que para em US$ 10 milhões de receita. Damos nota 3.8 de 5.
- Quanto custa LFM2.5-24B-A2B?
- Pesos gratuitos sob a LFM Open License (uso comercial só abaixo de US$ 10M de receita anual). Liquid Console: US$ 0,10 entrada / US$ 1,00 saída por 1M de tokens; OpenRouter: US$ 0,05 / US$ 0,70.
- Quais são as desvantagens de LFM2.5-24B-A2B?
- Sem licença comercial a partir de US$ 10M de receita anual; atrás do Qwen3.6-35B-A3B no SWE-bench Verified e no GPQA; sempre raciocina, então os tokens de saída se acumulam; só texto; ainda sem pontuação em leaderboard independente.
- Para quem LFM2.5-24B-A2B é indicado?
- Desenvolvedores e empresas menores que rodam agentes com chamadas de ferramenta em notebooks ou em uma única GPU, que ficam abaixo da linha de US$ 10 milhões de receita ou usam uma API hospedada.
- Quanto custa LFM2.5-24B-A2B para uma equipe ou em produção?
- No OpenRouter, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 120; nos US$ 0,10/US$ 1,00 do Liquid Console, cerca de US$ 200. Auto-hospedar exige de 13,58 a 14,53 GB em 4 bits, 25,49 GB em Q8_0 ou 47,96 GB em BF16.
- LFM2.5-24B-A2B é seguro para dados da empresa?
- Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só para organizações com menos de US$ 10 milhões de receita anual, com uma exceção para pesquisa sem fins lucrativos.
- Quais são as melhores alternativas ao LFM2.5-24B-A2B?
- As alternativas mais próximas que analisamos são gpt-oss-20b, Gemma 4, Underdog Saluki 27B 1.0, Qwen3.8-27B e Ministral 3 (3B, 8B and 14B).
Respostas verificadas em 28 de out. de 2026.