A Liquid AI liberou o LFM2.5-24B-A2B, um modelo de raciocínio com 24 bilhões de parâmetros no total, mas apenas 2 bilhões ativos por token, criado para executar agentes rápidos e privados diretamente no dispositivo do usuário. O anúncio foi feito em post publicado no blog da Hugging Face, e o modelo já está disponível com pesos abertos. Ele chega como o maior e último integrante da família LFM2.5, uma linha que vai de 230 milhões a 24 bilhões de parâmetros, cobrindo duas ordens de grandeza.
A economia de recursos vem da arquitetura de mistura de especialistas, técnica em que a rede é dividida em blocos especializados e apenas uma parcela deles é ativada a cada passo de processamento. Essa é a lógica por trás da configuração anunciada: dos 24 bilhões de parâmetros totais, somente 2 bilhões entram em operação por token. Com isso, cada token de raciocínio tem custo reduzido, o que torna viável manter agentes funcionando de forma contínua em um computador próprio, sem abrir mão de privacidade.
Diferentemente do modelo anterior, o LFM2.5-24B-A2B é um modelo exclusivamente de raciocínio, que produz uma cadeia de pensamento explícita antes de entregar a resposta final. Além de pensar antes de responder, ele consegue chamar ferramentas e conduzir tarefas de múltiplas etapas dentro de estruturas populares de agentes, o que o posiciona como peça central para aplicações autônomas rodando localmente.
Na parte estrutural, o novo modelo mantém a base do LFM2-24B-A2B, seu antecessor: são 40 camadas, 64 especialistas por bloco de mistura e um roteamento que seleciona os quatro melhores especialistas para cada token. A arquitetura híbrida combina blocos de convoluções curtas com mecanismo de portas e um pequeno número de blocos de atenção de consulta agrupada, técnica de atenção que reduz o custo de processamento na leitura e na geração de texto.
As principais mudanças em relação à geração anterior estão em duas frentes. A janela de contexto, ou seja, a quantidade de texto que o modelo consegue considerar ao mesmo tempo, cresce de 32 mil para 131 mil tokens. Ao mesmo tempo, uma expansão do tokenizador feita diretamente no modelo dobra o vocabulário de 65 mil para 128 mil tokens, melhorando o tratamento de escritas que não usam o alfabeto latino.
O treinamento também foi ampliado. Segundo a Liquid AI, o pré-treinamento passou de cerca de 17 trilhões para cerca de 33 trilhões de tokens, acompanhado de um pós-treinamento com aprendizado por reforço em larga escala. O resultado é um modelo de raciocínio que mantém o desenho enxuto da família LFM2.5, pensada desde o início para implantação em dispositivos.
A operação é apoiada por um conjunto amplo de estruturas de inferência. O modelo pode ser executado com Transformers, vLLM, llama.cpp, MLX (estrutura otimizada para os chips da Apple), SGLang, LM Studio e Docker Model Runner. A porta de comunicação varia conforme o servidor utilizado: llama.cpp e MLX usam a 8080, vLLM opera na 8000, SGLang na 30000 e LM Studio na 1234, conforme detalhado na documentação.
Para quem trabalha com agentes, o cartão do modelo traz configurações prontas para ferramentas como OpenClaw e Pi, além de um guia completo de instalação. A empresa também informa o desempenho de vazão obtido com vLLM em uma única GPU H100 SXM5, indicativo de que o modelo também atende cenários de uso em servidores, e não apenas em máquinas locais.
Na prática, o lançamento resume a aposta da Liquid AI em concentrar capacidade nos parâmetros totais, e não no poder de cálculo ativo, mantendo latência e consumo de energia compatíveis com o uso local. O LFM2.5-24B-A2B chega para fechar a família com um modelo capaz de raciocinar, usar ferramentas e lidar com contextos longos sem exigir equipamentos de altíssimo desempenho.
Os pesos abertos estão disponíveis no Hugging Face em duas versões: o modelo pós-treinado LFM2.5-24B-A2B e a versão base LFM2.5-24B-A2B-Base, que podem ser baixados, executados e ajustados por qualquer interessado.
