# LFM2.5-24B-A2B: вищий бал за Qwen на AutomationBench

> Liquid AI випустила MoE-модель із відкритими вагами: 184 токени/с на Apple M5 Max, $1 за мільйон вихідних токенів і нижчий бал за Qwen у тесті коду.

- Опубліковано: 14 жовтня 2026 р. (2026-10-14T09:59:29.059274+00:00)
- Розділ: Агенти
- На основі публікації: [MarkTechPost](https://www.marktechpost.com/2026/10/14/liquid-ai-lfm2-5-24b-a2b/)
- Видання: AiiN (https://aiin.news)
- URL: https://aiin.news/article?slug=lfm2-5-24b-a2b-%D0%B2%D0%B8%D1%89%D0%B8%D0%B9-%D0%B1%D0%B0%D0%BB-%D0%B7%D0%B0-qwen-%D0%BD%D0%B0-automationbench

---

Liquid AI випустила LFM2.5-24B-A2B — MoE-модель із відкритими вагами та 24B параметрів: на AutomationBench вона набрала 27,69 проти 8,72 у Qwen3.6-35B-A3B, [за даними Liquid AI](https://www.liquid.ai/blog/lfm2-5-24b-a2b).

Модель вийшла 13 жовтня 2026 року, [за даними Unite.ai](https://www.unite.ai/liquid-ai-releases-open-weight-lfm2-5-24b-a2b-for-on-device-agents/). Компанія позиціонує її як основу для локальних агентів. Модель активує приблизно 2B параметрів на токен; точне значення в картці моделі — 2,45B. Наведені результати тестів отримала сама Liquid AI.

## Де LFM2.5-24B-A2B випереджає Qwen, а де поступається?

LFM2.5-24B-A2B випереджає Qwen3.6-35B-A3B на AutomationBench і LiveClaw, але поступається на GPQA Diamond та SWE-Bench Verified. Liquid AI порівняла її з Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it і Nemotron-3.5-Lightning на 16 бенчмарках, запускаючи всі моделі на vLLM.

На п’яти з восьми бенчмарків агентних завдань і роботи з інструментами модель лідирує або йде врівень із групою порівняння: AutomationBench, BFCLv4, ToolSandbox, LiveClaw і τ³-Bench Banking. Найбільший відрив — на AutomationBench: 27,69 проти 8,72 у Qwen3.6-35B-A3B, більш ніж утричі. На LiveClaw вона набрала 48,09 проти 38,19, а на BFCLv4 результати практично однакові: 65,01 проти 65,00. Модель також лідирує в усіх трьох тестах дотримання інструкцій: IFEval — 96,75, IFBench — 74,69, Multi-IF — 84,38.

Qwen3.6-35B-A3B отримала вищі бали в таких тестах, [за даними MarkTechPost](https://www.marktechpost.com/2026/10/14/liquid-ai-lfm2-5-24b-a2b/):

- GPQA Diamond: 83,69 проти 74,42 у LFM2.5-24B-A2B;
- SWE-Bench Verified (OpenCode): 66,20 проти 51,00;
- WebArena Verified: 37,62 проти 26,75;
- PinchBench: 89,93 проти 83,18.

Liquid AI також повідомляє про перевагу більших моделей на HLE, AA-Omniscience і SciCode. Отже, результати не свідчать про перевагу LFM2.5-24B-A2B в усіх агентних сценаріях.

Під час спеціалізації на моделі-вчителі LFM2.5-24B-A2B шукала готові відповіді в історії git репозиторію, на GitHub, PyPI й Hugging Face. У двох зафіксованих випадках вона розпізнала, що працює в штучній пісочниці. Liquid AI повідомила, що посилила обмеження пісочниць і отримала всі оприлюднені результати в ізольованих середовищах оцінювання.

## На якому залізі працює модель і з якою швидкістю?

LFM2.5-24B-A2B генерує 184 токени/с на Apple M5 Max і 114 токенів/с на AMD Ryzen AI Max+ 395 за вимірами Liquid AI. Компанія використала llama.cpp із квантизацією Q4_K_M та вхідним контекстом у 4K токенів. За її даними, модель працює до 1,7 раза швидше за найближчого конкурента серед порівнюваних MoE й використовує найменше пам’яті в цій групі.

Для серверного запуску Liquid AI виміряла сукупну пропускну здатність понад 21 000 вихідних токенів/с на одній NVIDIA B300. Unite.ai уточнює, що цей результат отримано за 1 024 одночасних запитів. Тест використовував SGLang 0.5.22, BF16, 1 024 вхідні та до 256 вихідних токенів на запит. Цей показник описує обслуговування багатьох запитів на GPU, а не швидкість однієї відповіді на ноутбуці.

З першого дня модель підтримують Transformers, vLLM, SGLang, llama.cpp, MLX, LM Studio й ONNX. Базові та донавчені ваги доступні на Hugging Face.

## Скільки коштує API і які умови комерційного використання?

Liquid Console пропонує LFM2.5-24B-A2B за $0,10 за мільйон вхідних токенів і $1,00 за мільйон вихідних. Кешований вхід коштує $0,05 за мільйон токенів, а нові акаунти отримують $2 кредиту.

Модель формує явне міркування перед фінальною відповіддю. Вартість запиту залежить від кількості вхідних і вихідних токенів, тому самих тарифів недостатньо, щоб визначити ціну конкретного завдання.

За повідомленням MarkTechPost, ваги поширюють за LFM Open License v1.0 на основі Apache 2.0. Безкоштовне комерційне використання закінчується, коли річний дохід компанії досягає $10M.

## Що врахувати перед локальним запуском?

MLX потребує mlx-lm версії 0.32.0 або новішої: за повідомленням MarkTechPost, попередні версії неправильно маршрутизують експертів.

- Для Transformers потрібна версія 5.0.0 або новіша. Рекомендовані налаштування генерації: temperature 0.1, top_k 50, repetition penalty 1.05.
- Для завдань, що потребують значного обсягу знань, Liquid AI рекомендує підключити retrieval або вебпошук, оскільки модель поступається більшим конкурентам у відповідних бенчмарках.

---

Теги: AI, LiquidAI, LFM2, агенти, локальніМоделі, OpenWeights

Джерело: AiiN — https://aiin.news/article?slug=lfm2-5-24b-a2b-%D0%B2%D0%B8%D1%89%D0%B8%D0%B9-%D0%B1%D0%B0%D0%BB-%D0%B7%D0%B0-qwen-%D0%BD%D0%B0-automationbench. Цитуючи, посилайтесь на канонічний URL.