AI-translated from English; not yet reviewed by a fluent editor. # O modelo LFM2.5 24B da Liquid AI oferece mais opções de execução a quem cria agentes locais > O novo LFM2.5-24B-A2B da Liquid AI disponibiliza checkpoints para utilização local e em GPU. A licença e a diferença entre os testes edge e de servidor são importantes para agentes que usam ferramentas. 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. A Liquid AI lançou o [LFM2.5-24B-A2B](https://www.liquid.ai/blog/lfm2-5-24b-a2b) a 13 de outubro como pesos transferíveis de um modelo de raciocínio apenas textual, treinado para usar ferramentas. O seu [cartão do modelo](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) enumera checkpoints para vários sistemas de execução, desde um ficheiro local quantizado a formatos para servidores GPU. Para as equipas que criam um agente, estes ficheiros são apenas parte da configuração: também precisam de um runtime que disponibilize o modelo e de um harness que execute as chamadas a ferramentas propostas. ## A grande mudança - **O que mudou:** A Liquid AI colocou no Hugging Face o modelo pós-treinado e a versão base, com formatos de execução para diferentes equipamentos. O cartão indica 24,0 mil milhões de parâmetros no total e 2,45 mil milhões ativos durante a inferência; “A2B” é uma designação arredondada. - **Porque é importante:** Uma equipa que avalie um agente local pode escolher o checkpoint e a via de execução antes de ligar um harness de ferramentas, em vez de tratar a transferência do modelo como um agente completo. A licença e o equipamento disponível continuam a influenciar a decisão. - **O que acompanhar:** A Liquid AI comunica bons resultados de velocidade e utilização de ferramentas nos testes especificados. As equipas devem medir as suas próprias tarefas e concorrência: a taxa de descodificação edge e a capacidade do servidor descrevem cargas de trabalho diferentes. ## O que uma equipa pode transferir O [checkpoint pós-treinado](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) destina-se a trabalho agêntico. Um [checkpoint base](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-Base) separado serve para adaptação. A Liquid AI descreve o novo modelo como dedicado apenas ao raciocínio: gera um segmento de pensamento antes da resposta final, ao contrário do LFM2-24B-A2B anterior. O limite de contexto indicado é 131 072 tokens, acima dos 32 768 do antecessor. São especificações do modelo, não uma medida da forma como uma aplicação usa contexto longo. O cartão liga o checkpoint native para Transformers, vLLM e SGLang; [pesos FP8](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-FP8) para execução em GPU; [ficheiros GGUF](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-GGUF) para llama.cpp; [ficheiros ONNX](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-ONNX) para ONNX Runtime; e uma [versão MLX de 4 bits](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-MLX-4bit) para Apple Silicon. A BIG CHANGE confirmou a 14 de outubro que os seis repositórios, incluindo o modelo base, estavam acessíveis. O cartão marca como “em breve” um modelo preliminar DSpark para descodificação especulativa. Os formatos publicados não provam que uma entidade independente tenha testado todas as combinações de backend e equipamento. Os pesos são **open-weight**, ao abrigo da [LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE). Permite transferir e modificar, mas condiciona a utilização comercial a receitas anuais do utilizador ou entidade jurídica inferiores a 10 milhões de dólares. Os termos não autorizam utilização comercial acima desse limite. As organizações devem ler a licença completa antes da implementação; “open-weight” não significa utilização comercial sem restrições. ## O modelo, o servidor e o harness têm funções diferentes A [descrição da utilização de ferramentas no cartão](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) dá ao modelo uma lista de funções e permite-lhe propor uma chamada; o software executa-a e devolve o resultado para o modelo responder. O modelo não executa por si uma ação no browser nem uma operação sobre ficheiros. O backend carrega o checkpoint e disponibiliza inferência. Um agent harness gere a interação com ferramentas e decide como tratar permissões e resultados. As [instruções da Liquid AI para agentes locais](https://docs.liquid.ai/examples/agent-harnesses) mostram a divisão: executar o modelo num endpoint compatível com OpenAI e apontar Hermes Agent, OpenClaw ou Pi para o endereço local. A porta e a configuração dependem do servidor. A empresa diz que treinou o modelo pós-treinado em harnesses agênticos, incluindo Hermes Agent e OpenCode. Isso descreve o treino e uma configuração suportada, não prova fiabilidade do agente transferido nem que os dados ficam no dispositivo em todas as configurações. Deployment, ferramentas e ligações de rede definem esse limite. ## Como ler os números de velocidade consoante a carga A Liquid AI comunica **184 tokens de saída por segundo num Apple M5 Max** e **114 num AMD Ryzen AI Max+ 395** para descodificação edge. O cartão diz que os testes usaram llama.cpp, quantização Q4\_K\_M e contexto de entrada de 4 000 tokens, na infraestrutura Pipette da Liquid AI. São medições do fornecedor para uma configuração local quantizada. Não determinam a velocidade dos pesos native BF16, de qualquer portátil ou de uma tarefa agêntica completa com ferramentas. O valor da empresa de **mais de 21 000 tokens de saída por segundo** é capacidade agregada da GPU: tokens de saída totais divididos pelo tempo numa única NVIDIA B300 sob concorrência elevada e sustentada. A configuração usou SGLang 0.5.22, pesos BF16, 1 024 tokens de entrada e até 256 de saída, substituindo pedidos concluídos para manter o número-alvo de pedidos simultâneos. Não é a velocidade de resposta para uma pessoa à espera de um agente. As medidas respondem a questões diferentes: ritmo de geração local e capacidade total do servidor sob carga. A Liquid AI também publica uma comparação de 16 benchmarks. Por exemplo, indica 48,09 para LFM2.5 no LiveClaw contra 38,19 para Qwen3.6-35B-A3B, enquanto o Qwen lidera no WebArena Verified e SWE-Bench Verified. A empresa diz que todos os modelos foram avaliados com vLLM e definições de geração específicas. A BIG CHANGE não repetiu os testes; são pistas para testar cargas próprias, não uma classificação independente. A avaliação prática é específica: escolher o artefacto e o runtime para o equipamento-alvo, ler a licença, ligar apenas as ferramentas necessárias e testar a tarefa real com a carga esperada. A Liquid AI oferece agora os componentes para essa avaliação. Cada equipa continua a ter de verificar o comportamento num fluxo de produção. ## Fontes e leituras adicionais - [Liquid AI, “LFM2.5-24B-A2B: Built for Fast On-Device Agents”](https://www.liquid.ai/blog/lfm2-5-24b-a2b) (13 de outubro de 2026). O lançamento descreve alterações face ao LFM2, treino, sistemas de execução suportados e medições do fornecedor. A BIG CHANGE não repetiu os benchmarks nem executou o modelo. - [Liquid AI, cartão do modelo LFM2.5-24B-A2B](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) (consultado a 14 de outubro de 2026). Lista 24,0 mil milhões de parâmetros totais e 2,45 mil milhões ativos, ligações a artefactos, definições de inferência, formato de ferramentas, condições de benchmark e o modelo preliminar DSpark anunciado. O fornecedor mantém o cartão, que pode mudar. - [Liquid AI, LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE) (consultada a 14 de outubro de 2026). Define obrigações de distribuição e a condição de receitas anuais inferiores a 10 milhões de dólares para uso comercial. A decisão própria deve basear-se no texto da licença. - [Liquid AI, guia Agent Harnesses](https://docs.liquid.ai/examples/agent-harnesses) (ligado a partir do cartão do modelo, consultado a 14 de outubro de 2026). Guia mantido pelo fornecedor sobre execução local num endpoint compatível com OpenAI e configuração do harness. É documentação; a BIG CHANGE não executou as instruções. ## Sources - [Liquid AI, LFM2.5-24B-A2B: Built for Fast On-Device Agents](https://www.liquid.ai/blog/lfm2-5-24b-a2b) — Comunicado do fornecedor sobre o modelo, o ecossistema de execução e os benchmarks. Os números de velocidade e qualidade são medições da Liquid AI, não testes da BIG CHANGE. - [Liquid AI, cartão do modelo LFM2.5-24B-A2B](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) — Cartão mantido com contagens de parâmetros, ligações a artefactos, detalhes de inferência e ferramentas, definições de avaliação e estado futuro do DSpark. SHA do repositório verificado: 1769516ac588c4c558089c94f27d96b0dc67b183. - [Liquid AI, LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE) — A licença efetiva do modelo. A Secção 5 condiciona o uso comercial a receitas anuais inferiores a 10 milhões de dólares; a redistribuição exige avisos. - [Liquid AI, guia Agent Harnesses](https://docs.liquid.ai/examples/agent-harnesses) — Guia de configuração mantido, ligado pelo cartão do modelo; documenta execução local compatível com OpenAI e configuração do harness. A BIG CHANGE não executou as instruções.