Liquid AI muscle son modèle d’agents privés à exécuter sur appareil

Liquid AI a publié le 13 octobre 2026 LFM2.5-24B-A2B, un modèle de raisonnement open weight de 24 milliards de paramètres conçu pour faire tourner des agents privés sur appareil. Avec 2,45 milliards de paramètres actifs seulement par token, il vise les usages où la vitesse, la confidentialité et les appels d’outils comptent davantage qu’une démonstration de force brute. La promesse est claire : exécuter des tâches multi-étapes localement, sans dépendre en permanence d’un serveur distant.

Un modèle pensé pour les agents, pas pour la vitrine

LFM2.5-24B-A2B est présenté comme le plus grand et le dernier modèle de la famille LFM2.5, qui va désormais de LFM2.5-230M à ce nouveau modèle. Dans la pratique, il s’agit d’un modèle de raisonnement seulement, avec une chaîne de pensée explicite avant la réponse finale. Liquid AI le décrit comme capable de raisonner, appeler des outils et enchaîner plusieurs étapes dans des environnements d’agents populaires. Pas exactement le genre de modèle qu’on installe pour écrire une carte d’anniversaire en vingt secondes, même s’il pourrait sans doute le faire.

Sur l’architecture, la société dit conserver celle de LFM2-24B-A2B : 40 couches, 64 experts par bloc MoE avec routage top-4, 30 blocs de convolution courte à double porte et 10 blocs d’attention groupée par tête. Le contexte passe de 32 768 à 131 072 tokens, tandis que le vocabulaire double de 65 000 à 128 000 tokens pour mieux gérer les langues non latines. Le modèle revendique aussi la prise en charge de 16 langues, dont le français, l’arabe, le chinois, l’allemand, le japonais, le coréen, l’espagnol, l’hindi et le polonais.

Pourquoi la taille ne dit pas tout

Le cœur du message est assez simple : avec seulement 2 milliards environ de paramètres actifs par token, chaque token de raisonnement coûte moins cher à produire. Liquid AI dit avoir augmenté l’échelle d’entraînement préliminaire d’environ 17 000 milliards à environ 33 000 milliards de tokens, puis ajouté 2 000 milliards de tokens à 32K de contexte et 300 milliards à 131K de contexte. Les données de milieu d’entraînement sont orientées vers le raisonnement, les maths, le code, le suivi d’instructions, le multilingue et les appels d’outils.

La phase de post-entraînement est découpée en cinq étapes : SFT, spécialisation par enseignants, distillation on-policy multi-domaine non agentique, distillation agentique, puis reinforcement learning agentique dans des harnesses comme OpenClaw, Hermes Agent, Pi et OpenCode. C’est là que la logique « agent » prend forme. Le modèle n’est pas juste bon pour répondre. Il doit apprendre à agir.

Des résultats solides sur l’outillage, plus nuancés sur le savoir brut

Liquid AI a comparé LFM2.5-24B-A2B à Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it et Nemotron-3.5-Lightning sur 16 benchmarks couvrant l’usage d’outils, les workflows agentiques, les connaissances, le suivi d’instructions, les maths et le code. Selon ces résultats, LFM2.5-24B-A2B mène ou égale la concurrence sur cinq des huit tests centrés sur les outils et les agents : AutomationBench, BFCLv4, ToolSandbox, LiveClaw et τ³-Bench Banking. Sur AutomationBench, il décroche 27,69 contre 8,72 pour Qwen3.6-35B-A3B.

Le modèle prend aussi la tête sur les trois benchmarks de suivi d’instructions : 96,75 sur IFEval, 74,69 sur IFBench et 84,38 sur Multi-IF. En revanche, les plus grands modèles gardent un avantage sur les tests de connaissances, comme GPQA Diamond, HLE et AA-Omniscience, ainsi que sur les benchmarks de code SWE-Bench Verified et SciCode. Liquid AI conseille donc de l’associer à de la recherche web ou à de la récupération documentaire pour les tâches riches en connaissances. Le raisonnement local, oui. L’omniscience, pas encore.

Déploiement local : la promesse qui compte vraiment

Le point qui change la donne pour les équipes produit, c’est le support annoncé dès le lancement pour llama.cpp, MLX, vLLM, SGLang et ONNX. Les checkpoints sont publiés en formats natif, FP8, GGUF, ONNX et MLX-4bit. Sur le matériel de bord, Liquid AI annonce 184 tokens par seconde sur un Apple M5 Max et 114 tokens par seconde sur un Ryzen AI Max+ 395, avec jusqu’à 1,7 fois plus de rapidité que le meilleur concurrent testé, tout en consommant le moins de mémoire. Sur GPU, la société dit dépasser 21 000 tokens de sortie par seconde sur un seul NVIDIA B300 à forte concurrence.

Le modèle est servi via transformers 5.0.0 ou plus, avec des réglages recommandés de température à 0,1, top-k à 50 et répétition à 1,05. Côté accès, Liquid AI le propose aussi via son API Liquid Console à 0,10 dollar par million de tokens d’entrée, 0,05 dollar pour l’entrée mise en cache et 1 dollar par million de tokens de sortie, avec 2 dollars de crédit d’inscription. Une option qui parle aux développeurs, mais aussi aux DSI qui aiment savoir où part la donnée.