Liquid AI rilis LFM2.5-24B-A2B: agen penalaran 24 miliar parameter dengan 2 miliar parameter aktif

Liquid AI merilis LFM2.5-24B-A2B pada pertengahan Oktober sebagai model penalaran 24 miliar parameter yang hanya mengaktifkan 2 miliar parameter per token. Arsitekturnya meneruskan pendahulunya: 40 lapisan, 64 pakar per blok mixture-of-experts dengan perutean top-4, serta campuran konvolusi pendek bergerbang dan attention GQA. Yang berubah, jendela konteksnya naik dari 32 ribu menjadi 131 ribu token, kosakatanya digandakan dari 65 ribu menjadi 128 ribu token untuk penanganan teks non-Latin yang lebih baik, dan model ini kini murni model penalaran yang selalu menyusun rantai pemikiran sebelum menjawab.

Proses pelatihannya dijelaskan cukup rinci. Pra-pelatihan dinaikkan dari sekitar 17 triliun menjadi 33 triliun token. Tahap pertengahan menambahkan 2 triliun token pada konteks 32 ribu dengan penekanan pada penalaran, matematika, kode, instruksi, dan teks multibahasa, lalu 300 miliar token pada konteks 131 ribu dengan penekanan data konteks panjang. Pasca-pelatihan berjalan lima tahap, termasuk distilasi lintas domain dan pembelajaran penguatan agenik yang melatih model langsung di dalam kerangka agen seperti OpenClaw, Hermes Agent, Pi, dan OpenCode.

Pada pengujian yang dilakukan Liquid AI, model ini bersaing dengan model yang total maupun parameter aktifnya sekitar 50 persen lebih besar. Di AutomationBench ia mencatat 27,69 dibandingkan 8,72 milik Qwen3.6-35B-A3B, di ToolSandbox 80,71 berbanding 75,02, di LiveClaw 48,09 berbanding 38,19, dan pada tolok ukur perbankan tau-cube 8,04 berbanding 7,63. Angka pengikutan instruksinya juga tinggi, dengan IFEval 96,75 dan MATH-500 96,04. Kelemahannya tetap ada: pada SWE-Bench Verified ia tertinggal jauh dari Qwen3.6-35B-A3B, 51,00 berbanding 66,20, dan pada uji pengetahuan seperti GPQA Diamond juga masih di bawah model yang lebih besar.

Dari sisi operasional, Liquid AI menyebut model ini berjalan 184 token per detik di Apple M5 Max dan hingga 21 ribu token keluaran per detik pada satu unit NVIDIA B300. Kombinasi ukuran dan kecepatan itulah alasan model kelas ini penting bagi tim kecil: agen yang sebelumnya hanya bisa hidup di API berbayar kini bisa dilatih, diuji, dan dijalankan di satu mesin kerja, termasuk untuk pekerjaan sensitif yang datanya tidak boleh keluar. Angka-angka di atas berasal dari pengujian yang dilakukan pengembangnya sendiri dan belum diverifikasi pihak independen, jadi wajar bila hasil di lingkungan lain sedikit berbeda.