노트북에서 도는 에이전트 모델 LFM2.5-24B, 16명 목소리 TTS Drama 3, Claude Code 유휴 압축

전체 240억 파라미터 중 토큰마다 약 20억 개만 쓰는 MoE(전문가 혼합: 질문마다 일부 전문가 블록만 켜는 구조) 모델이에요. 텍스트 전용 추론 모델이고 컨텍스트는 131K 토큰, LFM2.5 시리즈의 가장 큰 마지막 모델이에요. 가중치는 Hugging Face에 있고 GGUF·MLX·vLLM·SGLang·ONNX로 돌릴 수 있어요. llama.cpp로는 이렇게 바로 띄워요.

llama-server -hf LiquidAI/LFM2.5-24B-A2B-GGUF:Q4_K_M

도구 호출·지시 따르기 위주로 학습해 AutomationBench 27.69점으로 Qwen3.6-35B-A3B(8.72점)보다 높았다업체 주장고 해요. Apple M5 Max에서 초당 184토큰업체 주장이 나온다니 사내 데이터를 밖으로 내보내지 않는 로컬 에이전트의 두뇌 후보로 시험해 볼 만해요. 다만 SWE-Bench Verified는 51%업체 주장로 Qwen3.6(66.2%)보다 낮아서 코딩보다는 업무 자동화 쪽에 맞아요.

글을 음성으로 읽어 주는 TTS(텍스트 음성 변환) 모델로, 한 대본에 최대 16명의 화자를 넣고 [속삭이며], [웃으며]처럼 대괄호로 연기 지시를 적으면 그 자리부터 말투가 바뀌어요. 83개 언어를 지원하고 350억 파라미터 중 토큰마다 약 30억 개만 쓰는 MoE 구조예요. 가중치는 Hugging Face, 코드는 GitHub fishaudio/fish-speech에 있고 fish.audio 앱과 API(model: drama-3)로도 쓸 수 있어요.

오디오북·게임 대사·광고 시안처럼 여러 인물이 나오는 음성을 성우 없이 초안으로 뽑을 수 있어요. Artificial Analysis 발음 견고성 테스트에서 93.2%를 받아 이전 S2.1 Pro(88.1%)보다 나아졌다업체 주장고 하고 코드·경로·이메일 같은 정확한 문자열 읽기도 79.4%에서 86.3%로 올랐다업체 주장고 해요.

터미널에서 20만 토큰이 넘는 대화를 약 54분 동안 내버려 두면, 1시간짜리 프롬프트 캐시(같은 앞부분을 다시 계산하지 않게 저장해 두는 것)가 만료되기 전에 대화를 미리 압축해요. 기준 토큰 수는 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS로 바꾸고 settings.json의 "idleCompaction": false로 끌 수 있어요. 새 환경 변수 CLAUDE_CODE_DISABLE_FILE_MENTIONS를 켜면 @로 언급한 파일은 내용 대신 경로만 넘어가요.

npm install -g @anthropic-ai/claude-code@2.1.299

점심 먹고 돌아와 긴 세션을 이어 갈 때 대화 전체를 다시 처리하는 비용이 크게 줄어요. 보안 쪽 수정도 함께 들어갔어요. mcp__a 허용 규칙이 이름이 비슷한 a__b 서버까지 허용하던 문제, macOS 샌드박스 거부 규칙이 심볼릭 링크로 우회되던 문제, 플랜 모드에서 PreToolUse 훅이 허용한 쓰기가 실행되던 문제가 고쳐졌어요.