# Liquid AI выпустила LFM2.5-24B-A2B для локальных ИИ-агентов

Источник: https://modelium.tech/zhurnal/lfm2-5-24b-a2b-local-agents-gguf-mlx/

13 октября Liquid AI представила LFM2.5-24B-A2B — модель, которая может обрабатывать запросы и выбирать действия для локального ИИ-помощника. Доступны исходные веса, GGUF для llama.cpp и версия MLX для Mac. Это не обещание работы на любом ноутбуке: требования к памяти зависят от выбранного файла и условий запуска, а коммерческое использование ограничено лицензией.

Liquid AI 13 октября 2026 года объявила о выпуске LFM2.5-24B-A2B. Её можно использовать как основу помощника, который не только отвечает текстом, но и выбирает инструменты для выполнения задачи на собственном компьютере. Компания выложила веса — файлы модели — и несколько форматов для локального запуска. Для начала ничего менять в уже работающем помощнике не нужно: это новая возможность выбора, а не обязательное обновление. [s1](#src-s1)

## Что можно скачать сейчас?

Основная модель **LFM2.5-24B-A2B** содержит 24 млрд параметров, но при обработке одного фрагмента текста задействует примерно 2,45 млрд. Это архитектура с выбором части модели для каждого шага, а не обещание, что ей потребуется память только под 2,45 млрд параметров. В карточке указан контекст до 131 072 токенов; реальная длина, скорость и качество зависят от программы запуска и компьютера. Десять файлов весов присутствуют в закреплённой ревизии вместе с индексом. [s2](#src-s2)

Для программы **llama.cpp** авторы отдельно опубликовали GGUF — формат файла для локального запуска. В репозитории есть, в частности, Q4_K_M, Q5_K_M, Q6_K и Q8_0; это разные варианты уменьшения точности хранения весов. Специальный QAD-Q4_0 авторы называют версией, дополнительно обученной после сжатия, но сравнительное качество на ваших задачах здесь не проверялось. На Mac с процессором Apple доступна отдельная 4-битная версия MLX: её карточка требует **mlx-lm 0.32.0 или новее** и предупреждает, что более ранние версии неверно распределяют обработку между частями модели. Выпуск 0.32.0 есть в PyPI; редакция не запускала модель на Mac. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Для какой задачи это имеет смысл?

Например, локальному помощнику можно поручить составить список дел по вашим заметкам и предложить действие в календаре. Модель формирует текст и может предложить вызов инструмента; доступ к файлам и календарю задаёт отдельная программа-помощник, а выполнение действия следует подтверждать человеком. Сам факт загрузки весов не превращает компьютер в автономного агента и не доказывает, что вся цепочка работает без сети. [s2](#src-s2)

## Насколько она быстрая и каковы ограничения?

По измерениям **самой Liquid AI**, на Apple M5 Max получено 184 токена ответа в секунду. Это результат на конкретном оборудовании, а не минимальные требования или ожидаемая скорость на любом Mac. Для серверного сравнения авторы использовали одну NVIDIA B300, SGLang 0.5.22, BF16, запросы по 1024 входных токена и до 256 выходных при поддерживаемой конкурентной нагрузке. Их оценки выполнения задач также не были независимо воспроизведены Modelium. [s1](#src-s1)

Веса доступны для скачивания, но **открытые веса не означают неограниченное коммерческое использование**. LFM Open License v1.0 ставит порог годовой выручки юридического лица в **10 млн долларов**: коммерческое использование организацией, достигшей порога, этой лицензией не разрешено. Это уточнение важнее общей фразы в анонсе о свободном развёртывании. Права на код программ запуска рассматриваются отдельно. [s6](#src-s6) [s1](#src-s1)

Если хочется оценить вариант для своего компьютера, начните с [официального набора GGUF](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-GGUF): выберите файл и проверьте лицензию, совместимость и доступную память *до* загрузки. Размер GGUF-файла сам по себе не определяет минимальную оперативную или видеопамять. Сравните ответы на своих задачах и не доверяйте инструментальные действия без проверки. Инструкция здесь сверена с документацией, но полноценный запуск редакцией не выполнялся. [s3](#src-s3) [s6](#src-s6)

## Источники

1. [Liquid AI — LFM2.5-24B-A2B: Built for Fast On-Device Agents, 13 October 2026](https://www.liquid.ai/blog/lfm2-5-24b-a2b) — получено 2026-10-13
2. [Liquid AI — карточка LFM2.5-24B-A2B, ревизия 1769516a](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/tree/1769516ac588c4c558089c94f27d96b0dc67b183) — получено 2026-10-13
3. [Liquid AI — GGUF-карточка и полный набор файлов, ревизия f97fc8a4](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-GGUF/tree/f97fc8a443da86c71818adf91baecde5b7ef4c50) — получено 2026-10-13
4. [Liquid AI — карточка MLX-4bit, ревизия 667408d4](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B-MLX-4bit/tree/667408d494bde191c2cb9dd4f4549827816b9275) — получено 2026-10-13
5. [PyPI — mlx-lm 0.32.0](https://pypi.org/project/mlx-lm/0.32.0/) — получено 2026-10-13
6. [Liquid AI — LFM Open License v1.0, закреплённая ревизия](https://huggingface.co/LiquidAI/LFM2.5-24B-A2B/blob/1769516ac588c4c558089c94f27d96b0dc67b183/LICENSE) — получено 2026-10-13