Liquid AI sort LFM2.5-24B-A2B, un raisonneur à 2 milliards actifs
Liquid AI met en ligne le 13 octobre 2026 LFM2.5-24B-A2B, un modèle de raisonnement de 24 milliards de paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique dont 2 milliards seulement sont actifs par tokenPlus petite unité de texte qu'un modèle manipule. Un mot courant tient souvent en un seul, un mot rare se découpe en plusieurs morceaux. Les prix, les limites et les débits s'expriment en tokens, pas en mots.Fiche du lexique, taillé pour faire tourner des agents sur la machine de l'utilisateur. La fenêtre de contextecontexteQuantité de tokens qu'un modèle peut lire d'un seul coup, question et réponse comprises. Au-delà, il faut découper, résumer ou chercher ailleurs.Fiche du lexique passe de 32 000 à 131 000 tokens, et l'éditeur mesure 184 débittokens par secondeNombre de tokens produits par seconde en génération. Avec le temps d'attente du premier token, c'est le chiffre qui dit si un modèle est utilisable au quotidien sur une machine donnée.Fiche du lexique sur un M5 Max et 114 sur un Ryzen AI Max+ 395, jusqu'à 1,7 fois le modèle suivant de son comparatif.
par Gyom 14 octobre 2026 à 12:17 4 min de lecture rubrique : Machines et coûts
etiquettes : Chez soi · Local · Coût
Liquid AI publie le 13 octobre 2026 sur le blog de Hugging Face la version 2.5 de son modèle 24B-A2B, un modèle de raisonnement dont 2 milliards de paramètres seulement sont actifs par token. La cible est écrite d'entrée : des agents qui pensent, appellent des outils et enchaînent plusieurs étapes sur la machine de l'utilisateur, sans passer par un serveur. Le raisonnement coûte cher en tokens, et un modèle qui n'active qu'une petite part de ses poids à chaque token rend chaque token de raisonnement bon marché.
64 experts par bloc, quatre routés par token
LFM2.5-24B-A2B reprend l'architecture de LFM2-24B-A2B : 40 couches, 64 experts par bloc de mélange d'experts dont quatre sont routés par token, et un mélange de convolutions courtes à porte et d'attention groupée par requêtes. Deux changements portent l'usage local. La fenêtre de contexte passe de 32 000 à 131 000 tokens, et une extension de vocabulaire faite sur place double le vocabulaire de 65 000 à 128 000 tokens, ce que l'éditeur présente comme un meilleur découpage des langues non latines. Le modèle est par ailleurs un raisonneur seul : il produit une chaîne de raisonnement explicite avant sa réponse, là où son prédécesseur répondait directement.
Pré-entraînement porté de 17 000 à 33 000 milliards de tokens
Le pré-entraînement est passé d'environ 17 000 milliards de tokens à environ 33 000 milliards. L'entraînement intermédiaire ajoute ensuite 2 000 milliards de tokens en contexte de 32 000, pondérés vers le raisonnement, les mathématiques, le code, l'instruction et le multilingue, puis 300 milliards de tokens en contexte de 131 000, pondérés vers les données longues. Les appels d'outils et les trajectoires multi-tours apparaissent dans les deux phases, et non seulement à la fin.
Un agent obtenu en cinq étapes, la dernière dans l'exécutant
Le post-entraînement transforme le modèle de base en agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique par étapes successives :
- Apprentissage supervisé sur des exemples.
- Spécialisation de modèles enseignants, un par domaine.
- Distillation sur politique des enseignants spécialisés, sur des tâches non agentiques.
- Seconde distillation sur politique, cette fois sur les tâches agentiques.
- Apprentissage par renforcement agentique, mené à l'intérieur d'exécutants d'agents : OpenClaw, Hermes Agent, Pi et OpenCode.
48,09 sur LiveClaw, devant un modèle 50 % plus gros
Liquid AI compare son modèle à Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning 30B-A3B sur seize bancs couvrant les outils, les connaissances, l'instruction, les mathématiques et le code, tous exécutés sous vLLM avec les paramètres de génération recommandés par chaque banc. C'est le plus petit du groupe, et il devance le premier, dont les paramètres totaux et actifs dépassent les siens d'environ 50 %, sur cinq des huit bancs d'outils et d'agents : AutomationBench, BFCLv4, ToolSandbox, LiveClaw et τ³-Bench Banking. Sur AutomationBench, il marque 27,69 contre 8,72, soit plus de trois fois le meilleur des autres. Il est aussi en tête des trois bancs d'instruction.
- LiveClaw : 48,09 contre 38,19 pour Qwen3.6-35B-A3B, 41,25 pour Gemma-4 et 37,72 pour Nemotron.
- AutomationBench : 27,69 contre 8,72, 5,46 et 2,61.
- ToolSandbox : 80,71 contre 75,02, 72,09 et 75,13.
- Instruction : IFEval 96,75, IFBench 74,69 et Multi-IF 84,38, en tête des quatre modèles sur les trois.
Les connaissances et le code restent au modèle plus gros
L'avantage s'arrête aux connaissances et au code, où les modèles plus gros gardent la main : GPQA Diamond 74,42 contre 83,69, HLE 7,40 contre 7,69, SWE-Bench Verified sous OpenCode 51,00 contre 66,20 et SciCode 32,71 contre 37,35. Liquid AI conseille pour ces charges de coupler le modèle à une recherche documentaire ou à une recherche web. Sur PinchBench, il marque 83,18 contre 89,93 et, sur WebArena Verified, 26,75 contre 37,62.
184 tokens par seconde sur un M5 Max, 21 000 sur une B300
L'inference locale est le point fort affiché : LFM2.5-24B-A2B décode 184 tokens par seconde sur une puce Apple M5 Max et 114 sur un Ryzen AI Max+ 395, jusqu'à 1,7 fois le modèle suivant du comparatif et avec la mémoire la moins consommée des quatre. Sur une seule carte NVIDIA B300, il dépasse 21 000 tokens de sortie par seconde à forte concurrence. Le modèle est pris en charge dès le premier jour par llama.cpp, MLX, vLLM, SGLang et ONNX, et les poids sont ouverts sur Hugging Face.
Source primaire Hugging Face, blog Liquid AI, LFM2.5-24B-A2B