LiquidAI تُطلق نموذج الاستدلال LFM2.5-24B-A2B لوكلاء AI على الأجهزة
نموذج LFM2.5-24B-A2B الجديد من LiquidAI هو نموذج استدلال بمزيج الخبراء يضم 24B معامل ويستخدم 2B فقط من المعاملات النشطة لكل رمز، مما يشغّل وكلاء سريعين وخاصين على الأجهزة الطرفية.
أطلقت LiquidAI نموذج LFM2.5-24B-A2B ذي الأوزان المفتوحة والموجه نحو الاستدلال، والذي يشغّل وكلاء ذكاء اصطناعي سريعين وخاصين بالكامل على الجهاز. يستخدم النموذج مزيج الخبراء: 24B معامل إجمالاً، و2B فقط نشطة لكل رمز، مما يجعل أعباء العمل الوكيلية ممكنة على الأجهزة الطرفية.
البنية والتدريب
يعتمد LFM2.5-24B-A2B على LFM2-24B-A2B: 40 طبقة، 64 خبيراً لكل كتلة MoE مع توجيه top-4، هجين من الالتفافات القصيرة المبوابة وانتباه الاستعلام المجمع. ينمو السياق من 32K إلى 131K رمز، ويتضاعف المعجم من 65K إلى 128K للغات غير اللاتينية. هذا نموذج استدلال فقط ينشئ سلسلة تفكير حتى الإجابة.
زاد التدريب المسبق من 17T إلى 33T رمز. أضاف التدريب الوسيط 2T رمز بسياق 32K، مع التركيز على الاستدلال والرياضيات والكود والتعليمات والنصوص متعددة اللغات، و300B رمز بسياق 131K مع التركيز على السياق الطويل. استدعاء الأدوات والمسارات متعددة الأدوار في كلتا المرحلتين.
بعد التدريب، يصبح النموذج وكيلًا في خمس مراحل: التنقيح بالإشراف، تخصص المعلم، تقطير on-policy متعدد المجالات للمهام غير الوكيلية، تقطير ثانٍ للمهام الوكيلية، وتعلم معزز وكيلي في أطر OpenClaw وHermes Agent وPi وOpenCode.
المعايير
اختبرت LiquidAI النموذج على 16 معيارًا: أدوات، عمليات وكيلية، معرفة، تعليمات، رياضيات وكود. مقارنة مع Qwen3.6-35B-A3B وGemma-4-26B-A4B-it وNemotron-3.5-Lightning. أصغر نموذج LFM2.5-24B-A2B حصل على 48,09 في LiveClaw مقابل 38,19 لـ Qwen3.6-35B-A3B، و27,69 في AutomationBench مقابل 8,72 لأفضل منافس تالي.
يتفوق النموذج أو يضاهي المنافسين في ثمانية من معايير استخدام الأدوات وخمسة معايير وكيلية (AutomationBench, BFCLv4, ToolSandbox, LiveClaw, tau3-Bench Banking) وجميع معايير التعليمات الثلاثة (IFEval, IFBench, Multi-IF). تحتفظ النماذج الكبيرة بتفوقها في المعايير المكثفة بالمعرفة مثل GPQA Diamond وHLE وAA-Omniscience ومعايير الكود مثل SWE-Bench Verified وSciCode. للمهام المكثفة بالمعرفة، توصي LiquidAI باستخدام الاسترجاع أو البحث على الويب.
الاستدلال والتوافر
النموذج مدعوم منذ اليوم الأول في llama.cpp وMLX وvLLM وSGLang وONNX. على أجهزة Edge، يفك ترميز 184 رمز في الثانية على Apple M5 Max و114 رمز على Ryzen AI Max+ 395، أسرع بـ 1,7 مرة من أفضل منافس وبأقل ذاكرة. على GPU واحد من NVIDIA B300 وبتزامن عالٍ، يصل إلى أكثر من 21 000 رمز خرج في الثانية.
LFM2.5-24B-A2B وLFM2.5-24B-A2B-Base بأوزان مفتوحة ومتاحان على Hugging Face. يتطلب النموذج transformers 5.0.0 أو أحدث ويعمل محليًا مع أي backend متوافق مع OpenAI ومع أطر Hermes Agent وllama.cpp وvLLM وSGLang وLM Studio.
المصادر: Hugging Face Blog
SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي
نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.