أصدرت Liquid AI LFM2.5-24B-A2B في 13 أكتوبر كأوزان قابلة للتنزيل لنموذج استدلال نصي فقط دُرّب على استخدام الأدوات. وتعرض بطاقة النموذج نقاط تحقق لأنظمة تشغيل متعددة، من ملف محلي مكمّم إلى صيغ موجهة لخوادم GPU. وهذه الملفات جزء من الإعداد فحسب للفرق التي تبني وكيلاً؛ فهي تحتاج أيضاً إلى بيئة تشغيل تخدم النموذج وharness ينفذ استدعاءات الأدوات التي يقترحها.

التغيير الكبير

  • ما الذي تغير: أدرجت Liquid AI النموذج المدرّب لاحقاً ونسخته الأساسية على Hugging Face، بصيغ تشغيل لأجهزة مختلفة. وتذكر بطاقة النموذج 24.0 مليار معلمة إجمالاً و2.45 مليار معلمة نشطة أثناء الاستدلال؛ و«A2B» تسمية مقربة.
  • لماذا يهم ذلك: يستطيع الفريق الذي يقيّم وكيلاً محلياً اختيار نقطة تحقق ومسار تشغيل قبل ربط harness يستخدم الأدوات، بدلاً من اعتبار تنزيل النموذج وكيلاً كاملاً. ويظل الترخيص والعتاد المتاح مؤثرين في القرار.
  • ما ينبغي متابعته: تفيد Liquid AI بنتائج واعدة للسرعة واستخدام الأدوات في اختبارات محددة. وينبغي للفرق قياس مهامها والتزامن لديها؛ فمعدل فك الترميز على الأجهزة الطرفية ومعدل نقل الخادم لدى الشركة يصفان أحمالاً مختلفة.

ما الذي يستطيع الفريق تنزيله

نقطة التحقق المدرّبة لاحقاً مخصصة للعمل الوكيلي. وهناك نقطة تحقق أساسية منفصلة للتكييف. وتصف Liquid AI النموذج الجديد بأنه مخصص للاستدلال فقط: فعلى خلاف LFM2-24B-A2B السابق، ينشئ مقطع تفكير قبل الإجابة النهائية. والحد المعلن للسياق 131,072 رمزاً، مقابل 32,768 في سابقه. هذه مواصفات للنموذج وليست قياساً لمدى استخدام تطبيق بعينه للسياق الطويل.

ترتبط بطاقة النموذج بنقطة التحقق native لـ Transformers وvLLM وSGLang؛ أوزان FP8 للتشغيل على GPU؛ ملفات GGUF لـ llama.cpp؛ ملفات ONNX لـ ONNX Runtime؛ وإصدار 4-bit MLX version لأجهزة Apple Silicon. أكدت BIG CHANGE في 14 أكتوبر إمكان الوصول إلى المستودعات الستة، بما فيها النموذج الأساسي. وتصف البطاقة نموذج DSpark المسودة لفك الترميز التخميني بأنه «قريباً». ولا يثبت نشر الصيغ أن جهة مستقلة اختبرت كل توليفة من backend والعتاد.

الأوزان مفتوحة الأوزان ومرخصة بموجب LFM Open License v1.0. يسمح الترخيص بالتنزيل والتعديل، لكنه يشترط للاستخدام التجاري أن يقل الإيراد السنوي للمستخدم أو الكيان القانوني عن 10 ملايين دولار. ولا ترخص الشروط الاستخدام التجاري فوق ذلك الحد. ينبغي للمؤسسات قراءة الترخيص كاملاً قبل النشر؛ فعبارة «مفتوحة الأوزان» هنا لا تعني استخداماً تجارياً بلا قيود.

للنموذج والخادم وharness أدوار مختلفة

يمنح وصف استخدام الأدوات في بطاقة النموذج النموذج قائمة دوال ويتيح له اقتراح استدعاء؛ وينفذ البرنامج ذلك الاستدعاء ويعيد نتيجة الأداة ليجيب النموذج. ولا ينفذ النموذج بنفسه إجراءً في المتصفح أو عملية على ملف. يحمّل backend التشغيل نقطة التحقق ويقدم الاستدلال. ويدير agent harness التبادل مع الأدوات ويقرر كيفية التعامل مع الأذونات والنتائج.

وتوضح تعليمات Liquid AI للوكلاء المحليين هذا التقسيم عملياً: شغّل النموذج عبر endpoint متوافق مع OpenAI، ووجّه Hermes Agent أو OpenClaw أو Pi إلى عنوانه المحلي. ويعتمد المنفذ والإعداد على الخادم المختار. وتقول الشركة إنها دربت النموذج المدرّب لاحقاً ضمن harnesses وكيلة، منها Hermes Agent وOpenCode. وهذا وصف للتدريب والإعداد المدعوم، وليس دليلاً على موثوقية وكيل منزّل أو بقاء بياناته على الجهاز في كل إعداد. ويحدد النشر والأدوات واتصالات الشبكة ذلك الحد.

قراءة أرقام السرعة بحسب حمل العمل

تفيد Liquid AI بتحقيق 184 رمز إخراج في الثانية على Apple M5 Max و 114 على AMD Ryzen AI Max+ 395 لفك الترميز على الأجهزة الطرفية. وتقول البطاقة إن الاختبارات استخدمت llama.cpp وتكميم Q4_K_M وسياق إدخال من 4,000 رمز، على بنية Pipette التابعة لـ Liquid AI. وهذه قياسات الشركة لإعداد محلي مكمّم. ولا تحدد سرعة أوزان native BF16 أو أي حاسوب محمول عشوائي أو مهمة وكيلة كاملة تستخدم الأدوات.

أما رقم الشركة، أكثر من 21,000 رمز إخراج في الثانية، فهو معدل نقل GPU إجمالي: إجمالي رموز الإخراج مقسوماً على الوقت المنقضي على جهاز NVIDIA B300 واحد تحت تزامن مرتفع ومستمر. واستخدم الإعداد المعلن SGLang 0.5.22 وأوزان BF16 و1,024 رمز إدخال وما يصل إلى 256 رمز إخراج، مع استبدال الطلبات المكتملة باستمرار للحفاظ على العدد المستهدف من الطلبات المتزامنة. وهذا ليس معدل الاستجابة لشخص ينتظر وكيلاً واحداً. ويجيب القياسان عن سؤالين هندسيين مختلفين: وتيرة التوليد المحلي والسعة الإجمالية للخادم تحت الحمل.

تنشر Liquid AI أيضاً مقارنة من 16 اختباراً معيارياً مع نماذج أخرى. فعلى سبيل المثال، تذكر 48.09 لـ LFM2.5 على LiveClaw مقابل 38.19 لـ Qwen3.6-35B-A3B، بينما يتقدم Qwen في WebArena Verified وSWE-Bench Verified في الجدول نفسه. وتقول الشركة إن تقييم النماذج كلها جرى باستخدام vLLM وإعدادات توليد خاصة بكل اختبار. لم تكرر BIG CHANGE تلك الاختبارات؛ وهي مؤشرات مفيدة لاختبار أحمال العمل الخاصة، وليست ترتيباً مستقلاً للقدرات.

ينبغي أن يكون التقييم العملي محدداً: اختر الأداة وبيئة التشغيل الملائمتين للعتاد المستهدف، واقرأ الترخيص، واربط الأدوات التي يحتاجها الوكيل فقط، واختبر المهمة الحقيقية عند حمل الطلبات المتوقع. توفر Liquid AI الآن مكونات هذا التقييم. وما زال على كل فريق التحقق من سلوكها في سير عمل إنتاجي.

المصادر وقراءات إضافية

  • Liquid AI، «LFM2.5-24B-A2B: Built for Fast On-Device Agents» (13 أكتوبر 2026). يصف الإصدار التغييرات عن LFM2 ونهج التدريب وأنظمة التشغيل المدعومة وقياسات المورد للجودة والسرعة. لم تكرر BIG CHANGE الاختبارات المعيارية ولم تشغّل النموذج.
  • Liquid AI، بطاقة نموذج LFM2.5-24B-A2B (قُرئت في 14 أكتوبر 2026). تسرد 24.0 مليار معلمة إجمالاً و2.45 مليار نشطة وروابط الأدوات وإعدادات الاستدلال وصيغة استخدام الأدوات وشروط الاختبارات والنموذج DSpark المسودة المعلن للمستقبل. يدير المورد البطاقة وقد تتغير.
  • Liquid AI، LFM Open License v1.0 (قُرئت في 14 أكتوبر 2026). تحدد التزامات التوزيع وشرط الإيراد السنوي الأقل من 10 ملايين دولار للاستخدام التجاري. ينبغي الرجوع إلى نص الترخيص لاتخاذ قرار النشر الخاص.
  • Liquid AI، دليل Agent Harnesses (رابط من بطاقة النموذج، قُرئ في 14 أكتوبر 2026). دليل إعداد تتم صيانته، ويشرح endpoint محلياً متوافقاً مع OpenAI وإعداد harness. إنه توثيق؛ ولم تنفذ BIG CHANGE تعليماته.