LFM2.5-24B-A2B: Liquid AIs MoE-Reasoning-Modell für Edge-Agenten

Worum es geht

Liquid AI hat LFM2.5-24B-A2B veröffentlicht, das größte und letzte Modell der LFM2.5-Familie. Es ist ein Reasoning-Modell mit Mixture-of-Experts-Architektur, das für schnelle, private Agenten auf dem eigenen Gerät gebaut ist.

Die wichtigsten Fakten

• 24B Parameter gesamt, ca. 2,45B aktiv; 64 Experten pro MoE-Block, Top-4-Routing.
• 40 Layer: 30 gated Short-Convolution-Blöcke und 10 GQA-Blöcke.
• Training mit 36 Billionen Tokens, Kontext 131.072 Tokens, 16 Sprachen.
• Denkt immer vor der Antwort (Reasoning).
• Laut Hersteller 48,09 auf LiveClaw gegenüber 38,19 für Qwen3.6-35B-A3B.
• Geschwindigkeit: 184 tok/s auf Apple M5 Max, bis 21K Output-tok/s auf einer NVIDIA B300.
• Varianten: Base, FP8, GGUF, ONNX, MLX-4bit. Lizenz: "other".

Einordnung

Dank nur 2B aktiver Parameter ist das Modell für lokale Nutzung attraktiv, auch wenn der Speicher für alle 24B Gewichte reichen muss (4-bit grob 14 GB). GGUF-Varianten erleichtern den Einsatz mit llama.cpp. Die Benchmarkvergleiche stammen vom Hersteller und sollten unabhängig geprüft werden.