LFM2.5-24B-A2B: 토큰마다 2B만 깨우는 Liquid AI의 온디바이스 에이전트 모델
-oOdUn61bDRSykk4H951SoDOHzqoOe1.png)
무엇인가요
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_M왜 중요한가요
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.
완성도
GA 정식가중치와 API(입력 100만 토큰당 0.10달러업체 주장)가 모두 공개된 정식 배포예요. 라이선스는 Apache가 아닌 자체 LFM 1.0 라이선스라 상업적으로 쓰기 전에 조건을 확인해야 해요.
앞으로 이렇게 지켜보세요
- 독립 측정: artificialanalysis.ai에 이 모델 점수가 올라오는지, 도구 호출 순위가 업체 발표와 비슷한지 봐요.
- 실사용 속도: llama.cpp·MLX 사용자들이 올리는 Mac·Ryzen 실측 속도를 Hugging Face 토론 탭에서 확인해요.
- 라이선스: liquid.ai/lfm-license 페이지에서 상업 이용 조건이 바뀌는지 지켜봐요.