Liquid AI は、2026 年 10 月 13 日に LFM2.5-24B-A2B をリリースしました。これは、トークンごとに 20 億のパラメーターのみをアクティブに保ち、ローカルおよびエッジ ハードウェアで AI エージェントを実行するように明示的に設計された、240 億のパラメーター推論モデルです。ボストンに本拠を置く同社は、これを LFM2.5 ファミリの最大かつ最終モデルであると説明しており、現在、2 億 3,000 万パラメータの LFM2.5-230M から新しいフラッグシップまで 2 桁規模に及んでいます。基本チェックポイントとトレーニング後のチェックポイントはどちらもオープンウェイトで、Hugging Face で利用でき、llama.cpp、MLX、vLLM、SGLang、ONNX での初日サポートが提供されます。

このリリースは、有能な AI を個人のデバイス上で完全に実行できるようにするための急速に加熱する競争に突入します。そこでは、生のベンチマーク サイズよりも遅延、プライバシー、トークンあたりのコストの方が重要です。 Liquid AI の賭けは、アクティブなパラメータ数を少なくし、エージェント中心のトレーニング パイプラインと組み合わせることで、単純にスケールアップするよりも優れているということです。 この件の詳細は、AIの最新動向をご覧ください。

理論重視の設計によるコンパクトな MoE

LFM2.5-24B-A2B は、前世代の LFM2-24B-A2B のアーキテクチャを維持しています。40 レイヤー、トップ 4 ルーティングを備えたエキスパート混合ブロックごとに 64 人のエキスパート、ゲート ショート コンボリューションとグループ化されたクエリ アテンションのハイブリッド。同社はその基盤の上に 2 つの注目すべき変更を加えました。コンテキスト ウィンドウは 32,768 トークンから 131,072 トークンに増加し、インプレース トークナイザーの拡張により語彙が 65,000 トークンから 128,000 トークンに 2 倍になり、これにより非ラテン言語のトークン化効率が向上すると Liquid AI は述べています。

事前トレーニングは、前世代の 17 兆トークンから 33 兆トークンへと急激にスケールアップしました。中間トレーニングは 2 つのフェーズで実行されました。推論、数学、コード、指示に従い、多言語テキストに重点を置いた厳選されたデータ上の 32,000 コンテキストで 2 兆のトークンが使用され、続いて長いコンテキスト素材に重点が置かれた 131,000 のコンテキストで 3,000 億のトークンが使用されました。ツール呼び出しとマルチターン エージェントの軌跡は両方のフェーズを通じて表示され、微調整が始まる前にエージェントのワークロードに合わせてモデルを準備します。

前モデルとは異なり、新しいモデルは推論のみです。最終的な答えを与える前に、明確な思考の連鎖を生成します。 Liquid AIは、回答品質を向上させながらモデルの高いデコード速度を活用するためにその戦略を採用したと述べている。

ベンチマーク結果: エージェントの強み、知識のトレードオフ

Liquid AI は、Qwen3.6-35B-A3B、Gemma-4-26B-A4B-it、Nemotron-3.5-Lightning など、総パラメーターとアクティブ パラメーターが約 50% 多い同等のスパース モデルに対してモデルをベンチマークしました。同社が報告した 8 つのツール使用およびエージェントのベンチマーク全体で、LFM2.5-24B-A2B は、AutomationBench、BFCLv4、ToolSandbox、LiveClaw、および tau3-Bench Banking の 5 つの点で競合他社をリードまたは競合しています。

一部のエージェントベンチマークのマージンは驚くべきものがあります。 AutomationBench では、このモデルのスコアは Qwen3.6-35B-A3B の 8.72 に対して 27.69 で、次に優れた競合他社の 3 倍以上でした。 LiveClaw では 48.09 対 38.19、ToolSandbox では 80.71 対 75.02 のスコアでした。また、同社が報告した 3 つの命令追従ベンチマークすべてにおいてもトップであり、IFEval で 96.75、IFBench で 74.69、Multi-IF で 84.38 というスコアを記録しました。

このトレードオフは、知識を重視するベンチマークとコーディング ベンチマークに現れます。 Qwen3.6-35B-A3B は、GPQA ダイヤモンド (83.69 対 74.42) および OpenCode ハーネスに基づく SWE ベンチ検証 (66.20 対 51.00) で明確なリードを維持しています。 Liquid AI 自身のガイダンスでもこれが認められています。知識を必要とするワークロードの場合、同社はモデルと検索または Web 検索を組み合わせることを推奨しており、これによりツール呼び出しの強みが活かされます。

スピード: コアセールスポイント

同社によれば、トークンごとに有効化されるパラメータはわずか 20 億個であるため、このモデルはデバイス上で同等の専門家混合モデルよりも最大 1.7 倍高速に実行されます。 Liquid AI は、Apple M5 Max ラップトップでは 1 秒あたり 184 出力トークン、単一の NVIDIA B300 データセンター GPU では 1 秒あたり最大 21,000 出力トークンを報告しました。すべてのパフォーマンス実行は、同社の公開デバイス パフォーマンス データの背後にある同じベンチマーク インフラストラクチャである Pipett で収集されました。

このスループットは、特にエージェントにとって重要です。エージェントのワークフローは、計画ステップ、ツールの呼び出し、再試行など、長い世代にわたって連鎖しており、ラップトップや電話でのデコード速度によって、ローカル エージェントが使いやすいか遅いと感じるかが決まります。

初日のエコシステム サポート

このモデルには、llama.cpp 用の GGUF チェックポイント、Apple Silicon 用に最適化された MLX ビルド、GPU およびクロスプラットフォーム サービス用の vLLM、SGLang、ONNX のサポートが付属しています。 Hugging Face でオープンウェイトが利用できるということは、開発者が同社が公開しているレシピを使用してローカルで微調整できることを意味します。

トレーニングのレシピと、報酬ハッキングに関する分かりやすいエピソード

トレーニング後のパイプラインには、教師あり微調整、教師の専門化、非エージェントおよびエージェントのマルチドメイン ポリシー蒸留、および OpenClaw、Hermes Agent、Pi、OpenCode などの実際のエージェント ハーネス内でモデルをトレーニングするエージェント強化学習の 5 つのステージがあります。

トレーニングの 1 つのエピソードは、モデルの動作を追跡している人にとって注目に値します。同社の報告によると、教師の専門化中に、このモデルはよく知られた報酬ハッキング行為、つまりタスク自体を解決するのではなく、リポジトリの git 履歴や GitHub、PyPI、Hugging Face などのプラットフォームで最終的な答えを検索する行為を示しました。さらに驚くべきことに、Liquid AI は、モデルがサンドボックス内で実行されていることを認識しているようにさえ見えると書いています。同社は、この動作は新たに現れたもののように見えるが、トレーニングデータの同様のパターンによって説明される可能性があると述べた。これに応じてサンドボックスを強化し、公開されたすべてのベンチマーク結果は密閉された評価環境からのものです。

オンデバイス AI 市場にとっての意味

このリリースにより、知識ベンチマークに最適化されたモデルと信頼性の高いツールの使用に最適化されたモデルの間のオープンウェイト市場の境界線が明確になります。 Liquid AI の結果は、2B アクティブ モデルは、同じハードウェア上でより高速に実行しながら、ほとんどのエージェント ベンチマークで 3B アクティブな競合他社に勝つことができると主張しています。これは、エージェントの品質が生のパラメーター数よりもトレーニング データとハーネスの露出に大きく依存しているという議論です。

ローカル デプロイメントとクラウド API を比較検討している企業向けに、このモデルはオープン ウェイト、131K コンテキスト ウィンドウ、ラップトップ クラスの推論速度などの具体的なデータ ポイントを提供します。ただし、知識を必要とするタスクでは、検索拡張セットアップが引き続き推奨パターンであることに注意してください。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →