Model Releases
LFM2.5-24B-A2B : La révolution du reasoning local par Liquid AI
Découvrez le nouveau modèle MoE de Liquid AI, conçu pour propulser des agents IA ultra-rapides et privés directement sur vos ordinateurs portables.
13 octobre 2026
Model ReleaseLFM2.5-24B-A2B
Introduction : L'ère de l'IA locale et souveraine
Le paysage de l'intelligence artificielle franchit une nouvelle étape décisive avec la sortie du LFM2.5-24B-A2B par Liquid AI le 13 octobre 2026. Alors que la course aux modèles géants dans le cloud s'intensifie, Liquid AI prend le contre-pied en misant sur l'efficacité extrême et l'exécution on-device.
Ce modèle n'est pas simplement une itération de plus ; c'est une réponse directe au besoin croissant des développeurs pour des agents autonomes capables de fonctionner sans latence réseau, tout en garantissant une confidentialité totale des données. En ciblant les workflows locaux sur PC et laptops, Liquid AI redéfinit ce qu'un modèle de taille moyenne peut accomplir en termes de raisonnement complexe.
- Modèle de raisonnement optimisé pour l'exécution locale.
- Architecture Mixture-of-Experts (MoE) ultra-efficace.
- Conçu pour les frameworks d'agents (agentic workflows).
Architecture et Spécifications Techniques
Le LFM2.5-24B-A2B repose sur une architecture Mixture-of-Experts (MoE) sophistiquée. Bien qu'il possède une mémoire totale de 24 milliards de paramètres, il n'active que 2 milliards de paramètres par token lors de l'inférence. Cette approche permet de conserver une connaissance encyclopédique tout en maintenant une vitesse d'exécution comparable à des modèles beaucoup plus petits.
L'entraînement a été massif, s'appuyant sur 33 billions (33T) de tokens de pré-entraînement. Pour répondre aux besoins des applications modernes, Liquid AI a étendu la fenêtre de contexte à 131 000 tokens, avec un vocabulaire de 128 000 tokens, permettant de traiter des documents longs et des historiques de conversation complexes sans perte de cohérence.
- Paramètres totaux : 24B
- Paramètres actifs par token : 2B
- Fenêtre de contexte : 131K tokens
- Vocabulaire : 128K tokens
- Dataset de pré-entraînement : 33T tokens
Performances : Un rapport puissance/efficience inégalé
Les benchmarks positionnent le LFM2.5-24B-A2B comme un véritable 'giant killer'. Sur les tâches de raisonnement, il utilise 47 % de tokens de raisonnement en moins que le DeepSeek-R1-Distill-32B, ce qui se traduit par un débit d'agent (agent throughput) environ deux fois supérieur.
En comparaison avec la génération précédente, le LFM2-24B-A2B, ce nouveau modèle affiche un temps de premier token (Time-to-First-Token) réduit de près de 50 %. Plus impressionnant encore, il surpasse le Gemma 4 27B et rivalise directement avec le Qwen3.6-35B-A3B sur les tâches d'utilisation d'outils (tool-use), alors que ce dernier possède 50 % de paramètres en plus.