LFM2.5-24B-A2B, publié par Liquid AI le 13 octobre 2026, traite uniquement le texte selon sa carte Hugging Face. À sa sortie, selon Liquid AI, il produit un raisonnement explicite avant sa réponse finale et vise les agents exécutés sur l’appareil de l’utilisateur.
Selon Liquid AI, à sa sortie, LFM2.5-24B-A2B est un modèle de raisonnement seul, contrairement à LFM2-24B-A2B, que l’éditeur désigne comme son prédécesseur. Selon Liquid AI, à sa sortie, il produit une chaîne de pensée explicite avant sa réponse finale.
À sa sortie, selon Liquid AI, sa fenêtre de contexte passe de 32 768 à 131 072 tokens, les unités de texte traitées par le modèle. Selon Liquid AI, à sa sortie, son vocabulaire passe de 65K à 128K tokens pour mieux découper les écritures non latines : ce sont les deux changements d’architecture annoncés face au prédécesseur.
À sa sortie, selon Liquid AI, le modèle conserve les 40 couches et les 64 experts par bloc de mélange d’experts (MoE), avec un routage top-4, ainsi que l’hybride de convolutions courtes à porte et d’attention à requêtes groupées (GQA). Selon Liquid AI, à sa sortie, le volume de son pré-entraînement passe de 17T à 33T tokens.
LFM2.5-24B-A2B est un modèle de raisonnement généraliste limité au texte, selon la carte Hugging Face de Liquid AI. Pour les tâches qui demandent beaucoup de connaissances, Liquid AI ne recommande pas de l’utiliser seul. L’entreprise conseille, dans sa carte Hugging Face, de l’associer à une recherche documentaire ou à une recherche web.
LFM2.5-24B-A2B arrive en tête des benchmarks de suivi de consignes de son comparatif, selon Liquid AI à sa sortie. Dans sa carte Hugging Face, Liquid AI le recommande pour des agents qui doivent raisonner, appeler des outils et fonctionner de façon fiable sur l’appareil de l’utilisateur. Sur OpenRouter, le modèle prend en charge les appels d’outils et les sorties structurées.
LFM2.5-24B-A2B est, selon Liquid AI à sa sortie, compétitif face à Qwen3.6-35B-A3B sur cinq des huit benchmarks consacrés aux agents et à l’appel d’outils. Sur LiveClaw, il obtient 48,09 contre 38,19 pour Qwen3.6-35B-A3B ; sur AutomationBench, les scores respectifs atteignent 27,69 et 8,72, selon Liquid AI à sa sortie.
Selon Liquid AI à sa sortie, le modèle décode 184 tokens par seconde sur un Apple M5 Max et 114 tokens par seconde sur un AMD Ryzen AI Max+ 395, jusqu’à 1,7 fois plus vite que le modèle suivant du comparatif. Les modèles plus grands du comparatif gardent toutefois l’avantage en connaissances sur GPQA Diamond, HLE et AA-Omniscience, ainsi qu’en code sur SWE-Bench Verified avec OpenCode et SciCode, selon Liquid AI à sa sortie.
LFM2.5-24B-A2B impose une réflexion obligatoire sur OpenRouter. Selon la carte Hugging Face de Liquid AI, il réfléchit toujours avant de répondre : son modèle de conversation ajoute la balise <think> au début de chaque réponse. Pour la génération, cette même carte de Liquid AI donne les paramètres temperature à 0.1, top_k à 50 et repetition_penalty à 1.05.
LFM2.5-24B-A2B est sorti le 13 octobre 2026. Sur OpenRouter, il accepte du texte en entrée. Sa fenêtre de contexte atteint 128 000 tokens sur OpenRouter. Le tableau des caractéristiques rassemble les données techniques du modèle, notamment les entrées acceptées et la taille du contexte.
Selon la carte Hugging Face de Liquid AI, la longueur de contexte est de 131 072 tokens. Cette carte de Liquid AI indique 24,0 milliards de paramètres au total, dont 2,45 milliards actifs. Selon la carte Hugging Face de Liquid AI, les langues couvertes comprennent l’anglais, le français, l’allemand, l’espagnol, l’italien, le portugais, le chinois, le japonais et l’arabe.
LiquidAI
Chattoolsstructured_outputstemperaturereasoningseedstoplogprobsresponse_formatmax_tokensLFM2.5-24B-A2B et sa variante Base sont proposés à poids ouverts sur Hugging Face et dans le Playground de Liquid AI à leur sortie, selon Liquid AI. Selon Liquid AI, le modèle est également accessible à sa sortie par API sur Liquid Console. Dès le premier jour, il bénéficie d’une prise en charge par llama.cpp, MLX, vLLM, SGLang et ONNX, selon Liquid AI. La carte d’accès donne les derniers prix relevés.
Servi par d'autres hébergeurs que LiquidAI, selon OpenRouter
Chez OpenRouter, au prix de Liquid (relevé du 19/10/2026) : 0,050 $ / M tokens en entrée, 0,70 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
LFM2.5-24B-A2B est présenté à sa sortie par Liquid AI comme le plus grand modèle de la famille LFM2.5 et celui qui la clôt. Selon Liquid AI, cette famille s’étend de LFM2.5-230M à ce modèle. LFM2.5-2.6B est une autre taille de la même famille. La frise des versions situe ces modèles dans la famille avec leurs dates de sortie.
| Repères | LFM2.5-24B-A2BVous êtes ici | LFM2.5-2.6B |
|---|---|---|
| Score | ||
| Sortie | ||
| Contexte | 128 k tokens | 66 k tokens |
| Prix d'entrée | 0,050 $ / M tokens | |
| Prix de sortie | 0,70 $ / M tokens | |
| Entrées | Texte | Texte |
| Réflexion | Toujours active | Toujours active |
| Tâches | ||
| Ce qui le distingue | LFM2.5-24B-A2B, publié par Liquid AI le 13 octobre 2026, traite uniquement le texte selon sa carte Hugging Face. À sa sortie, selon Liquid AI, il produit un raisonnement explicite avant sa réponse finale et vise les agents exécutés sur l’appareil de l’utilisateur. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
LFM2.5-24B-A2B est sorti le 13 octobre 2026. Il succède à LFM2-24B-A2B, désigné comme son prédécesseur par Liquid AI.
LFM2.5-24B-A2B accepte du texte en entrée sur OpenRouter. Sur OpenRouter, sa fenêtre de contexte atteint 128 000 tokens.
LFM2.5-24B-A2B possède une fenêtre de contexte de 128 000 tokens sur OpenRouter. Il accepte du texte en entrée sur OpenRouter.
LFM2.5-24B-A2B est précédé par LFM2-24B-A2B, selon Liquid AI. Dans son billet de sortie, l’entreprise nomme explicitement cette version comme son prédécesseur.
Pas besoin d'écrire un bon prompt vous-même. Choisissez un exemple, copiez-le tel quel, puis collez-le dans votre outil pour voir immédiatement le type de réponse obtenu.
Voir comment il rédige un e-mail professionnel à partir d'une situation concrète.
Rédigez un e-mail professionnel et cordial pour relancer un client qui n'a pas encore répondu à une proposition commerciale envoyée il y a une semaine. Le message doit rester chaleureux, ne pas paraître insistant et se terminer par une question simple pour savoir s'il souhaite poursuivre. Faites une version courte, naturelle et directement envoyable.Voir s'il sait rendre un sujet complexe vraiment compréhensible.
Expliquez-moi ce qu'est l'intelligence artificielle générative comme si je n'y connaissais absolument rien. Utilisez des mots simples, donnez deux exemples du quotidien, évitez le jargon et terminez par trois choses importantes à retenir.Voir comment il transforme un projet en étapes simples et concrètes.
Je souhaite créer un nouveau site internet pour une petite entreprise. Organisez le projet étape par étape, depuis la définition des besoins jusqu'à la mise en ligne. Pour chaque étape, indiquez ce qu'il faut préparer, la décision principale à prendre et l'erreur la plus fréquente à éviter. Terminez par les trois premières actions à réaliser cette semaine.Ouvrez votre outil, collez le texte et envoyez. Ensuite, répondez naturellement à l'IA si vous voulez préciser ou modifier le résultat.