世界は立ち止まらない。RSS
BIG CHANGE.

Markdown版

AI-translated from English; not yet reviewed by a fluent editor.

# Liquid AIのLFM2.5 24Bモデルが、ローカルエージェントの開発者により多くのサービング方法を提供

> Liquid AIの新しいLFM2.5-24B-A2Bは、ローカルおよびGPUでの実行向けにダウンロード可能なチェックポイントを提供する。ツールを使うエージェント向けに評価する際は、ライセンスとedge・サーバーの各テストの違いが重要だ。

By BIG CHANGE Editorial

Published: 2026-10-14T14:58:18.169Z
Updated: 2026-10-14T14:58:18.169Z
Canonical: https://bigchange.ai/blog/liquid-lfm25-24b-local-agents-serving

![Conceptual charcoal illustration of two removable storage modules beside an open compact workstation, a separate rackmount server and a small input pad on a workbench.](https://bigchange.ai/api/media/file/liquid-local-serving-components-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no Liquid AI hardware, agent test or benchmark result is depicted.

Liquid AIは10月13日、[LFM2.5-24B-A2B](https://www.liquid.ai/blog/lfm2-5-24b-a2b)をツール利用向けに訓練したテキスト専用推論モデルのダウンロード可能な重みとして公開した。その[モデルカード](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B)には、量子化されたローカルファイルからGPUサーバー向け形式まで、複数の実行システム用チェックポイントが掲載されている。エージェントを構築するチームにとって、これらのファイルは設定の一部にすぎない。モデルを動かすruntimeと、提案されたツール呼び出しを実行するharnessも必要になる。

## 大きな変化

- **変わった点：** Liquid AIは、後処理学習済みモデルとそのベース版を、異なるハードウェア向けの実行形式とともにHugging Faceで公開した。モデルカードによると、パラメーターは合計240億、推論時に有効なのは24.5億で、「A2B」は丸めた名称だ。
- **重要な理由：** ローカルエージェントを評価するチームは、ツール用harnessを接続する前にチェックポイントと実行方法を選べる。モデルのダウンロードだけで完全なエージェントが得られるわけではない。ライセンスと利用可能なハードウェアも判断に影響する。
- **注目点：** Liquid AIは、指定したテストで速度とツール利用に有望な結果が出たと報告している。チームは自分たちのタスクと並行処理を測る必要がある。同社のedgeデコード速度とサーバースループットは異なる負荷を表す。

## チームがダウンロードできるもの

この[後処理学習済みチェックポイント](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B)はエージェント用途を想定している。別の[ベースチェックポイント](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-Base)は適応用だ。Liquid AIは新モデルを推論専用と説明している。以前のLFM2-24B-A2Bと異なり、最終回答の前に思考セグメントを生成する。公称コンテキスト上限は131,072トークンで、前世代は32,768だった。これはモデル仕様であり、特定のアプリが長いコンテキストをどれだけ活用できるかの測定ではない。

モデルカードは、Transformers、vLLM、SGLang向けのnativeチェックポイントにリンクし、GPU実行向けの[FP8重み](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-FP8)、llama.cpp向けの[GGUFファイル](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-GGUF)、ONNX Runtime向けの[ONNXファイル](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-ONNX)、Apple Silicon向けの[4ビットMLX版](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-MLX-4bit)も掲載している。BIG CHANGEは10月14日、ベースモデルを含む6つのリポジトリにアクセスできることを確認した。カードでは投機的デコード向けDSparkの草案モデルを「近日公開」としている。形式の公開は、独立した第三者がすべてのバックエンドとハードウェアの組み合わせを試した証拠ではない。

重みは**open-weight**であり、[LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE)に基づく。同ライセンスはダウンロードと改変を認める一方、商用利用は利用者または法人の年間収益が1,000万ドル未満であることを条件とする。その基準を超える商用利用は許諾されない。組織は導入前にライセンス全文を読むべきだ。ここでいう「open-weight」は商用利用に制限がないという意味ではない。

## モデル、サーバー、harnessの役割は異なる

モデルカードの[ツール利用の説明](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B)では、モデルに関数一覧を渡し、呼び出しを提案させる。ソフトウェアがその呼び出しを実行し、結果をモデルに返して回答させる。モデル自身がブラウザー操作やファイル操作を実行するわけではない。実行backendはチェックポイントを読み込み、推論を提供する。エージェントharnessはツールとのやり取りを管理し、権限と結果の扱いを決める。

Liquid AIの[ローカルエージェント向け手順](https://docs.liquid.ai/examples/agent-harnesses)はこの分担を実例で示す。OpenAI互換endpointを通じてモデルを動かし、Hermes Agent、OpenClaw、Piをローカルアドレスに接続する。ポートと設定は選んだサーバーによって異なる。同社は、Hermes AgentやOpenCodeを含むエージェントharnessで後処理学習済みモデルを訓練したと述べる。これは訓練とサポート対象の設定の説明であり、ダウンロードしたエージェントの信頼性や、あらゆる設定でデータが端末内に残ることの証明ではない。境界を決めるのはdeployment、ツール、ネットワーク接続だ。

## 負荷ごとに速度の数値を読む

Liquid AIは、**Apple M5 Maxで毎秒184出力トークン**、**AMD Ryzen AI Max+ 395で114**のedgeデコード速度を報告している。カードによると、テストはllama.cpp、Q4\_K\_M量子化、4,000トークンの入力コンテキストを使い、Liquid AIのPipette基盤で測定した。これは量子化されたローカル構成に対する同社の測定だ。native BF16重み、任意のノートPC、ツールを使うエージェント全体の速度を示すものではない。

同社が示す**毎秒21,000超の出力トークン**はGPUの集約スループットだ。持続的な高並列状態の単一NVIDIA B300で、総出力トークン数を経過時間で割っている。公表された設定はSGLang 0.5.22、BF16重み、入力1,024トークン、出力最大256トークンで、目標同時実行数を保つため完了したリクエストを継続的に置き換えた。この数値は、1つのエージェントを待つ人への応答速度ではない。2つの測定は異なる技術上の問いに答える。ローカル生成のペースと、負荷時のサーバー全体の容量だ。

Liquid AIは他モデルとの16種類のベンチマーク比較も公開している。例えばLiveClawでLFM2.5は48.09、Qwen3.6-35B-A3Bは38.19と報告し、同じ表ではWebArena VerifiedとSWE-Bench VerifiedでQwenが上回る。同社は全モデルをvLLMとベンチマーク別の生成設定で評価したとしている。BIG CHANGEはこれらのテストを再現していない。自社負荷を試す手がかりにはなるが、独立した能力ランキングではない。

実用評価では、対象ハードウェアに合うartifactとruntimeを選び、ライセンスを読み、エージェントに必要なツールだけを接続し、想定するリクエスト負荷で実際のタスクを試す必要がある。Liquid AIはその評価に必要な要素を提供している。実運用のworkflowでどう動くかは各チームが確認しなければならない。

## 出典と参考資料

- [Liquid AI、「LFM2.5-24B-A2B: Built for Fast On-Device Agents」](https://www.liquid.ai/blog/lfm2-5-24b-a2b)（2026年10月13日）。LFM2からの変更、訓練方法、対応する実行システム、ベンダー測定の品質と速度を説明するリリース。BIG CHANGEはベンチマークを再実施せず、モデルも実行していない。
- [Liquid AI、LFM2.5-24B-A2Bモデルカード](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B)（2026年10月14日閲覧）。総パラメーター240億、アクティブ24.5億、artifactへのリンク、推論設定、ツール利用形式、ベンチマーク条件、今後提供予定のDSpark草案モデルを掲載。カードはベンダーが管理し、変更される可能性がある。
- [Liquid AI、LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE)（2026年10月14日閲覧）。配布義務と、商用利用に必要な年間収益1,000万ドル未満という条件を定める。導入判断にはライセンス本文を参照する必要がある。
- [Liquid AI、Agent Harnessesガイド](https://docs.liquid.ai/examples/agent-harnesses)（モデルカードからリンク、2026年10月14日閲覧）。保守されている設定ガイドで、ローカルのOpenAI互換実行endpointとharness設定を説明する。文書であり、BIG CHANGEは手順を実行していない。

## Sources

- [Liquid AI、LFM2.5-24B-A2B: Built for Fast On-Device Agents](https://www.liquid.ai/blog/lfm2-5-24b-a2b) — モデル、実行エコシステム、ベンチマーク結果に関するベンダーの説明。速度と品質の数値はLiquid AIによる測定で、BIG CHANGEのテストではない。
- [Liquid AI、LFM2.5-24B-A2Bモデルカード](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) — パラメーター数、artifactリンク、推論とツール利用の詳細、評価設定、DSparkの今後の状況を載せた保守中のカード。確認済みrepository SHA：1769516ac588c4c558089c94f27d96b0dc67b183。
- [Liquid AI、LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE) — モデルに適用される実際のライセンス。第5節は商用利用を年間収益1,000万ドル未満に条件づけ、再配布時の通知保持を求める。
- [Liquid AI、Agent Harnessesガイド](https://docs.liquid.ai/examples/agent-harnesses) — モデルカードからリンクされた保守中の設定ガイド。ローカルOpenAI互換の実行とharness設定を記載する。BIG CHANGEは手順を実行していない。