✨︎ Resumen (TL;DR):
- Liquid AI lanzó el 13 de octubre de 2026 LFM2.5-24B-A2B, con pesos descargables para ejecutar agentes de IA en hardware local.
- La ficha técnica registra 2,450 millones de parámetros activos y 24,000 millones totales; Q4_K_M ocupa unos 14.5 GB.
- El hardware, la cuantización, el contexto y las herramientas conectadas determinan la velocidad, la memoria y qué parte de cada tarea permanece en la computadora.
Liquid AI lanzó el 13 de octubre de 2026 LFM2.5-24B-A2B, un modelo con pesos descargables para ejecutar agentes de inteligencia artificial en hardware local. El sistema procesa consultas en una computadora propia, puede conectarse con herramientas y resolver tareas de varios pasos.
Dos versiones para personalizar o actuar
La publicación de Liquid AI en Hugging Face confirma dos versiones. La versión base permite personalizar el modelo; Liquid AI entrenó la segunda para trabajar como agente.
Esta última genera texto de razonamiento antes de entregar la respuesta final y puede solicitar el uso de herramientas durante una tarea. El modelo plantea la acción, pero el programa que lo integra se encarga de ejecutarla.
Menos cálculo por token, más memoria en disco
La mezcla de expertos (MoE) es una arquitectura que activa una parte de los parámetros para procesar cada token, la unidad de texto que el modelo maneja. Al activar menos parámetros en cada paso, reduce el cálculo necesario por token.
Liquid AI presenta el sistema como uno con unos 2,000 millones de parámetros activos, pero su ficha técnica precisa 2,450 millones activos y 24,000 millones en total. La diferencia entre ambos datos corresponde a la forma en que la empresa describe el modelo frente a las especificaciones técnicas publicadas.
El tamaño de los archivos depende del conjunto de pesos y del formato utilizado. El repositorio oficial de versiones GGUF lista estas capacidades:
- Q4_K_M: unos 14.5 GB.
- BF16: 48 GB.
La cuantización representa los pesos con menos precisión para reducir su tamaño. El requisito completo de memoria también depende de la longitud de contexto. A los pesos se suma el trabajo de procesar la conversación del agente.
Frente a LFM2-24B-A2B, la ventana de contexto crece de 32,768 a 131,072 tokens. Ese aumento amplía el espacio disponible para documentos e interacciones sucesivas. La ficha del nuevo modelo incluye español entre los idiomas disponibles.
La velocidad cambia según la configuración
Liquid AI reporta 184 tokens por segundo en una Apple M5 Max y 114 tokens por segundo en una AMD Ryzen AI Max+ 395. Las pruebas usaron llama.cpp, cuantización Q4_K_M y un contexto de entrada de 4K tokens.
Ese contexto de prueba es mucho menor que la ventana máxima del modelo. Por eso, las cifras dependen tanto del equipo como de la configuración utilizada para medirlas.
La cifra de más de 21,000 tokens de salida por segundo en una NVIDIA B300 corresponde al rendimiento agregado de muchas solicitudes simultáneas, no a una sola petición. Liquid AI usó SGLang, pesos BF16, entradas de 1,024 tokens y salidas de hasta 256 tokens.
El rendimiento depende de la tarea
En las evaluaciones publicadas por Liquid AI, LFM2.5 obtuvo 48.09 en LiveClaw, frente a 38.19 de Qwen3.6-35B-A3B.
En SWE-Bench Verified, una prueba de resolución de problemas de software, LFM2.5 obtuvo 51.00, mientras Qwen3.6-35B-A3B alcanzó 66.20. Las comparaciones proceden del fabricante.
Para trabajos que exigen mucho conocimiento, Liquid AI recomienda complementar el modelo con recuperación de información o búsqueda web. La sugerencia también deja claro que el desempeño cambia según el tipo de tarea y las herramientas disponibles.
Un agente local requiere herramientas
La guía oficial de agentes locales explica cómo conectar un servidor del modelo con programas como Hermes Agent, OpenClaw o Pi. La inferencia y la ejecución de herramientas son partes distintas del flujo: el modelo solicita una acción y el programa que lo integra la ejecuta.
La privacidad depende de las herramientas elegidas. Cuando una computadora procesa una consulta localmente, esa inferencia permanece en el equipo. Si el agente incorpora búsquedas web o servicios externos, la tarea añade conexiones fuera de él.
Licencia y precios de API
Liquid AI distribuye los pesos bajo LFM Open License v1.0. La licencia permite el uso, la modificación y la redistribución con condiciones.
El umbral comercial está en 10 millones de dólares de ingresos anuales. La definición de entidad incluye a empresas bajo control común. Cuando una entidad supera ese umbral, debe adquirir una licencia comercial.
Para utilizar el modelo mediante su API, el anuncio publica un precio de 0.10 dólares por millón de tokens de entrada, 1.00 dólar por millón de tokens de salida y 0.05 dólares por millón de tokens de entrada en caché.
El lanzamiento deja disponibles los pesos y formatos para adaptar el agente al hardware propio. El formato determina cuánto ocupan los pesos, el contexto influye en la memoria necesaria y las herramientas definen si una tarea permanece dentro de la computadora o se conecta con servicios externos.
