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

# Модель LFM2.5 24B от Liquid AI расширяет выбор способов запуска для создателей локальных агентов

> Новая LFM2.5-24B-A2B от Liquid AI предлагает скачиваемые checkpoint для локального запуска и GPU-серверов. При оценке для агентов с инструментами важны лицензия и различия между тестами на edge-устройствах и серверах.

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 выпустила [LFM2.5-24B-A2B](https://www.liquid.ai/blog/lfm2-5-24b-a2b) 13 октября в виде доступных для скачивания весов текстовой модели рассуждения, обученной работе с инструментами. В её [карточке модели](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) перечислены checkpoint для нескольких систем запуска — от локального квантованного файла до форматов для GPU-серверов. Для команд, создающих агента, эти файлы — лишь часть настройки: нужны также среда выполнения, которая обслуживает модель, и harness, выполняющий предложенные ею вызовы инструментов.

## Главное изменение

- **Что изменилось:** Liquid AI разместила на Hugging Face дообученную модель и её базовую версию с форматами запуска для разного оборудования. В карточке указано 24,0 млрд параметров всего и 2,45 млрд активных во время вывода; «A2B» — округлённое обозначение.
- **Почему это важно:** Команда, оценивающая локального агента, может сначала выбрать checkpoint и способ запуска, а затем подключить harness для работы с инструментами, не считая скачивание модели готовым агентом. На решение влияют также лицензия и доступное оборудование.
- **За чем следить:** Liquid AI сообщает о многообещающих результатах скорости и использования инструментов в описанных тестах. Командам нужно измерять собственные задачи и параллельную нагрузку: скорость декодирования на edge-устройстве и пропускная способность сервера описывают разные сценарии.

## Что может скачать команда

Этот [дообученный checkpoint](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) предназначен для агентских задач. Отдельный [базовый checkpoint](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-Base) служит для адаптации. Liquid AI называет новую модель предназначенной только для рассуждений: в отличие от прежней LFM2-24B-A2B, она формирует сегмент размышления до окончательного ответа. Заявленный предел контекста — 131 072 токена против 32 768 у предшественника. Это спецификации, а не оценка того, как конкретное приложение использует длинный контекст.

В карточке есть ссылка на native checkpoint для Transformers, vLLM и SGLang; [веса FP8](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-FP8) для запуска на GPU; [файлы GGUF](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-GGUF) для llama.cpp; [файлы ONNX](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-ONNX) для ONNX Runtime; а также [версия MLX в 4 бит](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-MLX-4bit) для Apple Silicon. BIG CHANGE 14 октября подтвердило доступность этих шести репозиториев, включая базовую модель. Черновая модель DSpark для спекулятивного декодирования отмечена как «скоро». Публикация форматов не доказывает, что независимая сторона протестировала все сочетания backend и оборудования.

Веса имеют статус **open-weight** и распространяются по лицензии [LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE). Она разрешает скачивание и изменение, но ставит коммерческое использование в зависимость от годового дохода пользователя или юридического лица ниже 10 млн долларов. Условия не лицензируют коммерческое использование выше этого порога. Перед внедрением следует прочитать лицензию целиком; здесь «open-weight» не означает неограниченное коммерческое использование.

## У модели, сервера и harness разные задачи

В [описании использования инструментов в карточке модели](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) модели предоставляется список функций, и она может предложить вызов; программа выполняет его и возвращает результат, чтобы модель могла ответить. Сама модель не выполняет действия в браузере или операции с файлами. Backend запуска загружает checkpoint и предоставляет вывод модели. Агентский harness управляет обменом с инструментами и решает, как обрабатывать разрешения и результаты.

В [инструкциях Liquid AI для локальных агентов](https://docs.liquid.ai/examples/agent-harnesses) это разделение показано на практике: модель запускается через совместимый с OpenAI endpoint, а Hermes Agent, OpenClaw или Pi направляются на её локальный адрес. Порт и настройки зависят от сервера. Компания сообщает, что обучала дообученную модель в агентских harness, включая Hermes Agent и OpenCode. Это описание обучения и поддерживаемой настройки, а не доказательство надёжности скачанного агента или сохранения данных на устройстве при любой конфигурации. Границу определяют развёртывание, инструменты и сетевые подключения.

## Как читать показатели скорости с учётом нагрузки

Liquid AI сообщает о **184 выходных токенах в секунду на Apple M5 Max** и **114 на AMD Ryzen AI Max+ 395** для декодирования на edge-устройстве. По карточке, тесты использовали llama.cpp, квантование Q4\_K\_M и контекст входа в 4 000 токенов на инфраструктуре Pipette компании. Это измерения поставщика для локальной квантованной конфигурации. Они не определяют скорость native-весов BF16, любого ноутбука или полной агентской задачи с инструментами.

Показатель компании — **более 21 000 выходных токенов в секунду** — это совокупная пропускная способность GPU: общее число выходных токенов делится на время на одном NVIDIA B300 при устойчивой высокой параллельной нагрузке. Указанная конфигурация использовала SGLang 0.5.22, веса BF16, 1 024 входных токена и до 256 выходных; завершённые запросы постоянно заменялись для поддержания целевого числа одновременных запросов. Это не скорость ответа для человека, ожидающего одного агента. Показатели отвечают на разные инженерные вопросы: темп локальной генерации и общую ёмкость сервера под нагрузкой.

Liquid AI также публикует сравнение с другими моделями по 16 benchmark-тестам. Например, указано 48,09 для LFM2.5 на LiveClaw против 38,19 у Qwen3.6-35B-A3B, тогда как Qwen лидирует на WebArena Verified и SWE-Bench Verified. Компания говорит, что модели оценивались с vLLM и настройками генерации для каждого benchmark. BIG CHANGE не повторяла тесты; это ориентиры для собственных задач, а не независимый рейтинг возможностей.

Практическая оценка должна быть конкретной: выбрать артефакт и среду выполнения под оборудование, прочитать лицензию, подключить только нужные инструменты и проверить реальную задачу при ожидаемой нагрузке. Liquid AI предлагает компоненты для такой оценки. Каждой команде всё равно нужно проверить их в производственном процессе.

## Источники и дополнительное чтение

- [Liquid AI, «LFM2.5-24B-A2B: Built for Fast On-Device Agents»](https://www.liquid.ai/blog/lfm2-5-24b-a2b) (13 октября 2026 года). Публикация описывает отличия от LFM2, подход к обучению, поддерживаемые системы запуска и измерения качества и скорости поставщика. BIG CHANGE не повторяла benchmark-тесты и не запускала модель.
- [Liquid AI, карточка модели LFM2.5-24B-A2B](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) (прочитана 14 октября 2026 года). Указаны 24,0 млрд параметров всего и 2,45 млрд активных, ссылки на артефакты, настройки вывода, формат работы с инструментами, условия benchmark-тестов и анонсированный черновик DSpark. Карточку ведёт поставщик, и она может измениться.
- [Liquid AI, LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE) (прочитана 14 октября 2026 года). Устанавливает обязанности при распространении и условие дохода ниже 10 млн долларов в год для коммерческого использования. Для решения о внедрении следует использовать текст лицензии.
- [Liquid AI, руководство Agent Harnesses](https://docs.liquid.ai/examples/agent-harnesses) (ссылка из карточки модели, прочитано 14 октября 2026 года). Руководство по настройке описывает локальный endpoint, совместимый с OpenAI, и конфигурацию harness. Это документация; BIG CHANGE не выполняла эти инструкции.

## Sources

- [Liquid AI, LFM2.5-24B-A2B: Built for Fast On-Device Agents](https://www.liquid.ai/blog/lfm2-5-24b-a2b) — Материал поставщика о модели, экосистеме запуска и benchmark-результатах. Показатели скорости и качества измерены Liquid AI, а не BIG CHANGE.
- [Liquid AI, карточка модели LFM2.5-24B-A2B](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B) — Поддерживаемая карточка с числом параметров, ссылками на артефакты, деталями вывода и инструментов, настройками оценки и статусом будущей модели DSpark. Проверенный SHA репозитория: 1769516ac588c4c558089c94f27d96b0dc67b183.
- [Liquid AI, LFM Open License v1.0](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/main/LICENSE) — Фактическая лицензия модели. Раздел 5 ограничивает коммерческое использование годовым доходом ниже 10 млн долларов; при распространении нужно сохранять уведомления.
- [Liquid AI, руководство Agent Harnesses](https://docs.liquid.ai/examples/agent-harnesses) — Поддерживаемое руководство, связанное из карточки модели; описывает локальный запуск через endpoint, совместимый с OpenAI, и настройку harness. BIG CHANGE не выполняла инструкции.