Liquid AI نے LFM2.5-24B-A2B کو 13 اکتوبر کو ٹول استعمال کے لیے تربیت یافتہ متن پر مبنی reasoning ماڈل کے ڈاؤن لوڈ ہونے والے weights کے طور پر جاری کیا۔ اس کا ماڈل کارڈ کئی serving systems کے checkpoints درج کرتا ہے، مقامی quantized فائل سے لے کر GPU سرورز کے فارمیٹس تک۔ ایجنٹ بنانے والی ٹیموں کے لیے یہ فائلیں سیٹ اپ کا ایک حصہ ہیں: ماڈل چلانے کے لیے runtime اور اس کی تجویز کردہ tool calls چلانے کے لیے harness بھی درکار ہے۔

بڑی تبدیلی

  • کیا بدلا: Liquid AI نے post-trained ماڈل اور اس کے base ورژن کو مختلف ہارڈویئر کے serving فارمیٹس کے ساتھ Hugging Face پر رکھا ہے۔ ماڈل کارڈ کے مطابق کل 24.0 ارب parameters ہیں اور inference کے دوران 2.45 ارب فعال ہوتے ہیں؛ “A2B” گول کیا ہوا نام ہے۔
  • یہ کیوں اہم ہے: مقامی ایجنٹ کا جائزہ لینے والی ٹیم ٹول استعمال کرنے والا harness منسلک کرنے سے پہلے checkpoint اور چلانے کا راستہ چن سکتی ہے، بجائے اس کے کہ ماڈل ڈاؤن لوڈ کو مکمل ایجنٹ سمجھے۔ لائسنس اور دستیاب ہارڈویئر بھی فیصلے پر اثر ڈالتے ہیں۔
  • کس بات پر نظر رکھیں: Liquid AI مخصوص ٹیسٹوں میں رفتار اور ٹول استعمال کے امید افزا نتائج بتاتا ہے۔ ٹیموں کو اپنے کام اور concurrency کی پیمائش کرنی چاہیے؛ کمپنی کی edge decoding رفتار اور server throughput الگ workloads بیان کرتے ہیں۔

ٹیم کیا ڈاؤن لوڈ کر سکتی ہے

یہ post-trained checkpoint agentic کام کے لیے ہے۔ الگ base checkpoint adaptation کے لیے ہے۔ Liquid AI نئے ماڈل کو صرف reasoning کے لیے بیان کرتا ہے: یہ پہلے LFM2-24B-A2B کی طرح نہیں، بلکہ آخری جواب سے پہلے سوچنے کا segment بناتا ہے۔ بتائی گئی context حد 131,072 tokens ہے، جبکہ پیش رو میں 32,768 تھی۔ یہ ماڈل کی specifications ہیں، کسی خاص application کے طویل context استعمال کرنے کی پیمائش نہیں۔

ماڈل کارڈ Transformers، vLLM اور SGLang کے native checkpoint سے جوڑتا ہے؛ GPU استعمال کے لیے FP8 weights؛ llama.cpp کے لیے GGUF فائلیں؛ ONNX Runtime کے لیے ONNX فائلیں؛ اور ایک 4-bit MLX ورژن Apple Silicon کے لیے۔ BIG CHANGE نے 14 اکتوبر کو base ماڈل سمیت ان چھ repositories تک رسائی کی تصدیق کی۔ speculative decoding کے لیے DSpark draft ماڈل کارڈ میں “جلد آ رہا ہے” درج ہے۔ فارمیٹس کی اشاعت اس بات کا ثبوت نہیں کہ ہر backend اور ہارڈویئر امتزاج آزادانہ طور پر آزمایا گیا ہے۔

یہ weights open-weight ہیں اور LFM Open License v1.0 کے تحت ہیں۔ لائسنس ڈاؤن لوڈ اور ترمیم کی اجازت دیتا ہے، مگر تجارتی استعمال کے لیے صارف یا قانونی ادارے کی سالانہ آمدنی 10 ملین ڈالر سے کم ہونا شرط ہے۔ اس حد سے زیادہ آمدنی پر تجارتی استعمال لائسنس یافتہ نہیں۔ اداروں کو deployment سے پہلے پورا لائسنس پڑھنا چاہیے؛ یہاں “open-weight” کا مطلب بے قید تجارتی استعمال نہیں۔

ماڈل، server اور harness کے کام مختلف ہیں

ماڈل کارڈ کی ٹول استعمال کی وضاحت ماڈل کو functions کی فہرست دیتی ہے اور اسے call تجویز کرنے دیتی ہے؛ software اسے چلاتا اور نتیجہ واپس دیتا ہے تاکہ ماڈل جواب دے سکے۔ ماڈل خود browser action یا file operation نہیں چلاتا۔ serving backend checkpoint لوڈ کر کے inference فراہم کرتا ہے۔ agent harness ٹولز کے ساتھ تبادلے کو سنبھالتا اور اجازتوں اور نتائج کے طریقے کا فیصلہ کرتا ہے۔

Liquid AI کی مقامی ایجنٹ ہدایات اس تقسیم کو عملی طور پر دکھاتی ہیں: OpenAI-compatible endpoint کے ذریعے ماڈل چلائیں اور Hermes Agent، OpenClaw یا Pi کو اس کے مقامی پتے پر بھیجیں۔ منتخب server کے مطابق port اور configuration بدلتے ہیں۔ کمپنی کہتی ہے کہ اس نے post-trained ماڈل کو Hermes Agent اور OpenCode سمیت agent harnesses میں تربیت دی۔ یہ تربیت اور معاون سیٹ اپ کی وضاحت ہے، ڈاؤن لوڈ شدہ ایجنٹ کے قابل اعتماد ہونے یا ہر configuration میں data آلے پر رہنے کا ثبوت نہیں۔ deployment، ٹولز اور network connections اس حد کا تعین کرتے ہیں۔

workload کے مطابق رفتار کے اعداد پڑھیں

Liquid AI بتاتا ہے Apple M5 Max پر فی سیکنڈ 184 output tokens اور AMD Ryzen AI Max+ 395 پر 114 edge decoding کے لیے۔ کارڈ کے مطابق ٹیسٹوں میں llama.cpp، Q4_K_M quantization اور 4,000-token input context تھا، اور پیمائش Liquid AI کے Pipette infrastructure پر ہوئی۔ یہ quantized مقامی سیٹ اپ کے لیے کمپنی کی پیمائشیں ہیں۔ یہ native BF16 weights، کسی بھی laptop یا ٹولز کے ساتھ پورے agent task کی رفتار نہیں بتاتیں۔

کمپنی کا فی سیکنڈ 21,000 سے زیادہ output tokens کا عدد GPU کی مجموعی throughput ہے: مسلسل زیادہ concurrency کے دوران ایک NVIDIA B300 پر کل output tokens کو گزرے وقت سے تقسیم کیا گیا۔ بیان کردہ سیٹ اپ میں SGLang 0.5.22، BF16 weights، 1,024 input tokens اور زیادہ سے زیادہ 256 output tokens تھے؛ مطلوبہ تعداد میں بیک وقت requests قائم رکھنے کے لیے مکمل requests کی جگہ نئی requests مسلسل آتی رہیں۔ یہ ایک ایجنٹ کا انتظار کرنے والے ایک شخص کی response rate نہیں۔ دونوں پیمائشیں مختلف انجینئرنگ سوالات کا جواب دیتی ہیں: مقامی generation کی رفتار اور load میں server کی کل صلاحیت۔

Liquid AI دوسرے ماڈلز کے ساتھ 16 benchmarks کا موازنہ بھی شائع کرتا ہے۔ مثال کے طور پر LiveClaw پر LFM2.5 کے لیے 48.09 اور Qwen3.6-35B-A3B کے لیے 38.19 بتاتا ہے، جبکہ اسی جدول میں WebArena Verified اور SWE-Bench Verified پر Qwen آگے ہے۔ کمپنی کہتی ہے کہ تمام ماڈلز کو vLLM اور benchmark کے مخصوص generation settings کے ساتھ پرکھا گیا۔ BIG CHANGE نے یہ ٹیسٹ نہیں دہرائے؛ یہ اپنے workloads آزمانے کے اشارے ہیں، آزادانہ صلاحیتوں کی درجہ بندی نہیں۔

عملی جائزہ مخصوص ہونا چاہیے: ہدف ہارڈویئر کے مطابق artifact اور runtime چنیں، لائسنس پڑھیں، ایجنٹ کو صرف درکار ٹولز سے جوڑیں اور متوقع request load پر حقیقی کام آزمائیں۔ Liquid AI اب اس جائزے کے اجزا فراہم کرتا ہے۔ production workflow میں ان کے برتاؤ کی تصدیق ہر ٹیم کو خود کرنی ہوگی۔

ذرائع اور مزید مطالعہ

  • Liquid AI، “LFM2.5-24B-A2B: Built for Fast On-Device Agents” (13 اکتوبر 2026)۔ ریلیز LFM2 سے تبدیلیاں، تربیت کا طریقہ، معاون serving systems اور فروخت کنندہ کی رفتار و معیار کی پیمائش بیان کرتی ہے۔ BIG CHANGE نے benchmarks نہیں دہرائے اور ماڈل نہیں چلایا۔
  • Liquid AI، LFM2.5-24B-A2B ماڈل کارڈ (14 اکتوبر 2026 کو پڑھا گیا)۔ کل 24.0B اور فعال 2.45B parameters، artifact links، inference settings، tool-use format، benchmark شرائط اور آئندہ DSpark draft ماڈل درج ہیں۔ کارڈ فروخت کنندہ سنبھالتا ہے اور بدل سکتا ہے۔
  • Liquid AI، LFM Open License v1.0 (14 اکتوبر 2026 کو پڑھا گیا)۔ تقسیم کی ذمہ داریاں اور تجارتی استعمال کے لیے سالانہ آمدنی 10 ملین ڈالر سے کم ہونے کی شرط طے کرتا ہے۔ اپنی deployment کا فیصلہ اصل لائسنس کی بنیاد پر کریں۔
  • Liquid AI، Agent Harnesses گائیڈ (ماڈل کارڈ سے منسلک، 14 اکتوبر 2026 کو پڑھا گیا)۔ برقرار رکھی جانے والی setup گائیڈ مقامی OpenAI-compatible serving endpoint اور harness configuration بتاتی ہے۔ یہ دستاویز ہے؛ BIG CHANGE نے ہدایات نہیں چلائیں۔