리퀴드 AI, 온디바이스 추론 모델 공개
최근 30일 조회수 —좋아요 —핵심 요약
240억 매개변수 중 20억 개만 활성화하며 13만1천 토큰 문맥과 도구 호출을 지원한다.

리퀴드 AI(Liquid AI)가 온디바이스 에이전트용 추론 모델 LFM2.5-24B-A2B를 13일 허깅페이스 블로그에서 공개했다. 전체 매개변수는 240억 개지만 토큰마다 20억 개만 활성화하는 전문가 혼합(MoE) 구조다. 답변 전에 추론 과정을 생성하고 도구 호출과 다단계 작업을 수행하도록 설계됐다.1
새 모델은 이전 LFM2-24B-A2B의 40개 계층, MoE 블록당 64개 전문가와 상위 4개 라우팅 구조를 유지했다. 컨텍스트 창은 3만2천 토큰에서 13만1천 토큰으로, 어휘는 6만5천 개에서 12만8천 개로 늘었다. 사전학습 데이터도 약 17조 토큰에서 33조 토큰으로 확대됐으며, 이후 32K 문맥 데이터 2조 토큰과 131K 문맥 데이터 3천억 토큰으로 추가 학습했다.
리퀴드 AI가 공개한 평가에서 LFM2.5-24B-A2B는 LiveClaw 48.09점으로 Qwen3.6-35B-A3B의 38.19점을 앞섰고, AutomationBench에서도 27.69점 대 8.72점을 기록했다. 반면 PinchBench는 83.18점으로 Qwen의 89.93점, WebArena Verified는 26.75점으로 37.62점에 못 미쳤다. 회사 측 측정 속도는 애플 M5 Max에서 초당 184토큰, 엔비디아 B300 한 장에서 최대 초당 2만1천 출력 토큰이다. 이 수치와 벤치마크는 리퀴드 AI의 자체 발표이며 독립 검증 결과는 자료에 제시되지 않았다.
Footnotes
-
Hugging Face 블로그·커뮤니티, 「Run fast, private agents on-device with LFM2.5-24B-A2B」 ↩
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Run fast, private agents on-device with LFM2.5-24B-A2B — Hugging Face 블로그·커뮤니티 · 자료: 2026. 10. 14.
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.