Коротко: 13 октября 2026 Liquid AI выпустила LFM2.5-24B-A2B — reasoning-модель с 24 млрд параметров, из которых на каждый токен активны только 2 млрд (Mixture-of-Experts). На пяти из восьми агентских бенчмарков она обходит Qwen3.6-35B-A3B — модель примерно в полтора раза тяжелее и по полному, и по активному объёму. Скорость: 184 токена/с на Apple M5 Max и до 21 000 выходных токенов/с на одной NVIDIA B300. Веса открыты на Hugging Face — и базовая, и обученная версии.
Что именно выпустили
LFM2.5-24B-A2B — старшая и последняя модель семейства LFM2.5, которое теперь покрывает два порядка величин: от крошечной LFM2.5-230M до этой 24B. Семейство целиком заточено под один сценарий — агенты, которые работают на устройстве пользователя, а не в чужом датацентре.
Конструкция — mixture-of-experts: всего в модели 24 млрд параметров, но на один токен задействуется лишь около 2 млрд. Отсюда главный трюк: качество большой модели при стоимости инференса маленькой. Лицензия — LFM1.0, веса открыты, модель понимает 16 языков, рядом лежит научная статья (arXiv: 2511.23404).
Бенчмарки: меньше параметров — больше толку
Liquid AI сравнивает новинку с Qwen3.6-35B-A3B — MoE-моделью с ~35 млрд общих и 3 млрд активных параметров, то есть примерно на 50% тяжелее по обоим измерениям. На восьми агентских бенчмарках и бенчмарках работы с инструментами LFM2.5-24B-A2B выигрывает в пяти.
Два разрыва особенно показательны:
| Бенчмарк | LFM2.5-24B-A2B | Qwen3.6-35B-A3B |
|---|---|---|
| LiveClaw | 48.09 | 38.19 |
| AutomationBench | 27.69 | 8.72 |
LiveClaw меряет агентское поведение на живых задачах, AutomationBench — автоматизацию реальных рабочих процессов. Разница на AutomationBench — больше чем трёхкратная: 27.69 против 8.72. Для модели, которая в полтора раза меньше соперника, это сильный результат.
Скорость: где эта модель вообще живёт
Из-за малого активного объёма модель работает заметно быстрее сопоставимых MoE — Liquid AI заявляет до 1.7× ускорения на устройстве. Конкретные цифры:
- 184 токена/с на Apple M5 Max — это читаемая человеком скорость генерации с большим запасом, на ноутбуке;
- до 21 000 выходных токенов/с на одной NVIDIA B300 — серверный сценарий, когда та же модель обслуживает поток запросов.
Важно понимать асимметрию: 24 млрд параметров нужно где-то хранить (это десятки гигабайт в полной точности, заметно меньше в квантовании), но вычислять на каждый токен приходится только 2-миллиардный срез. Поэтому модель реалистична для топовых ноутбуков и рабочих станций — и недостижима для телефона, где правят младшие LFM2.5.
Зачем вообще агенты на устройстве
Запрос на локальных агентов растёт из трёх источников, и все три мы видим в собственной практике.
Приватность. Агент читает вашу почту, документы, код, переписку. Отправлять это в облако — значит доверять провайдеру не только модель, но и всю свою цифровую жизнь. Локальная модель снимает вопрос.
Деньги. Агент в цикле «подумал → вызвал инструмент → подумал снова» сжигает токены пачками. Локальная модель превращает счёт за API в счёт за электричество.
Задержка. Агентский цикл чувствителен к латентности каждого шага: сотня миллисекунд до облака на каждом раунде складывается в секунды ожидания. Локальный инференс отвечает мгновенно.
Релиз LFM2.5-24B-A2B интересен тем, что впервые стирает главный контраргумент: раньше локальная модель означала заметно более глупую модель. Теперь модель ноутбучного класса обходит тяжёлые MoE на агентских задачах.
Ложка дёгтя: честные оговорки
Три вещи стоит держать в голове.
Во-первых, бенчмарки приводит сам вендор — ждём независимых замеров. Во-вторых, Qwen3.6-35B-A3B выигрывает три из восьми тестов — это не тотальная победа, а смена точки на карте «цена/качество». В-третьих, 24 млрд параметров — это всё же десятки гигабайт весов: «on-device» здесь означает Mac Studio или игровой ПК, а не смартфон.
Почему это близко нам
Мы делаем MaxGraph — память для AI-агентов, и смотрим на этот релиз как на недостающую половину уравнения.
Локальный агент без памяти — это стажёр с амнезией: каждое утро он приходит на работу впервые. Модель на устройстве решает приватность вычислений, но не решает приватность и преемственность знаний агента о вас. Если память агента живёт в чужом облаке, приватность локальной модели — половинчатая.
Связка, которая нам видится конечной точкой тренда: локальная модель + локальная память. Модель думает у вас на машине, память лежит у вас на диске файлом, embedding-поиск по ней крутится локально же. Полностью приватный агент — не потому что вы кому-то доверяете, а потому что доверять некому. LFM2.5-24B-A2B делает левую половину этой связки реальной уже сегодня.
FAQ
Где скачать и запустить? Веса — на Hugging Face (base и post-trained), есть песочница Liquid AI и документация по локальному запуску и файнтюнингу.
Потянет ли мой ноутбук? Нужен запас по памяти под 24 млрд параметров (в квантовании — заметно меньше). Заявленные 184 ток/с — на Apple M5 Max; на более слабом железе будет медленнее, но активные 2 млрд делают модель одной из самых быстрых в своём весовом классе.
Это замена облачным фронтир-моделям? Нет. Это замена среднему классу облачных моделей в агентских сценариях — там, где важнее скорость, цена и приватность, чем последний процент рассуждений.
Причём тут память агентов? Агентский бенчмарк — это по определению многошаговая работа с инструментами. Агент, который не помнит вчерашний день, тратит шаги на повторное открытие того, что уже знал. Память — второй по значимости множитель полезности агента после самой модели.
Что дальше
- Почему локальный инференс — это ещё и деньги: замеры экономии токенов.
- Как устроен гибридный поиск по памяти: граф + векторы.
- Почему агенты забывают — и что с этим делать: разбор проблемы.
Дай своему агенту память
Триал 7 дней без карты. Установка — один промпт, дальше агент сделает сам.