Liquid AI、ローカルエージェント向け公開重み LFM2.5-24B-A2B を公開

まず要点

Liquid AI が LFM2.5-24B-A2B を公開しました。総計 240 億、アクティブ 24.5 億パラメータの推論 MoE で、128K コンテキスト、ツール呼び出し、複数のローカル配布形式を備えます。

何が変わったか

Liquid AI は、デバイスまたは自社管理サーバーでの推論とツール利用向けに、LFM2.5-24B-A2B のベースモデルと後学習モデルを Hugging Face で公開重みとして提供しました。

あなたにとっての意味

開発者は自分のハードウェアで遅延、メモリ、データ境界を評価したうえで、GGUF、ONNX、MLX、FP8、または native の重みをローカルツールワークフローに選べます。

Liquid AI は、ローカルエージェント向けの公開重みテキスト専用推論モデル LFM2.5-24B-A2B を公開しました。公式記事では総計 240 億パラメータ、token ごとに約 20 億のアクティブパラメータとされ、モデルカードの正確な値は 24.5 億です。LFM2.5 系列では最大かつ最後のリリースです。

これは単なる新しいチェックポイントではありません。モデルカードには 131,072 token のコンテキスト、関数呼び出し、native、FP8、GGUF、ONNX、MLX の形式が記載されています。開発者はハードウェアとランタイムに応じて Transformers、vLLM、SGLang、llama.cpp、LM Studio、Apple Silicon の MLX を選べ、単一のホスト API に縛られません。

導入前にはワークロードごとの評価が必要です。カードは知識集約型の質問に検索または RAG を組み合わせるよう勧めており、ベンダーのベンチマークやスループットだけでは、量子化、メモリ、プロンプト長、ツールループでの結果を置き換えられません。重みは Liquid AI の lfm1.0 ライセンスであり、再配布または商用導入前に確認してください。

まずローカルで小さく型の明確なツールセットを使い、呼び出しの妥当性、ツール失敗からの復帰、遅延を記録してから、実際の副作用がある自動化へ接続するか判断します。

事実確認

確認済み公式記事は LFM2.5-24B-A2B を、総計 240 億パラメータと token ごとに約 20 億のアクティブパラメータを持ち、高速でプライベートなオンデバイスエージェント向けの公開重み推論モデルと説明しています。根拠

確認済み公式モデルカードには 131,072 token のコンテキスト、関数呼び出し、native、FP8、GGUF、ONNX、MLX のリリースが記載されています。根拠