LFM2.5-24B-A2B Faoliyat yuritmoqda

LFM2.5-24B-A2B — Liquid AI tomonidan ishlab chiqilgan ochiq og‘irlikli reasoning modeli va LFM2.5 seriyasining flagmani. Jami 24B parametrga ega, har bir token uchun atigi 2.45B parametr faollashadi, 40 qatlamli MoE arxitekturasi 131K kontekst va 16 tilni qo‘llab-quvvatlaydi. LFM2.5-24B-A2B har bir javobdan oldin fikrlash zanjirini yaratadi va qurilma tomonidagi Agentlar uchun maxsus optimallashtirilgan. LiveClaw testida u parametrlari 50% ko‘proq bo‘lgan Qwen3.6-35B-A3B modelidan 48.09 ball bilan o‘zib ketdi. M5 Max qurilmasida dekodlash tezligi 184 tok/s ga yetadi, bu shu toifadagi MoE modellarining eng tezkor ko‘rsatkichidan 1.7 baravar yuqori. Model mahalliy xususiy joylashtirishdagi reasoning va vositalarni chaqirish vazifalariga mos keladi; bilimga boy vazifalarda uni qidiruv bilan birga ishlatish tavsiya etiladi.

Qurilma tomonidagi Agent reasoning’i: shaxsiy qurilmalarda mahalliy ishlaydigan tezkor va maxfiy agentlar uchun maxsus ishlab chiqilgan.
Sof reasoning rejimi: javob berishdan oldin aniq fikrlash zanjirini avtomatik yaratadi va past faollashtirish xarajati evaziga javob sifatini oshiradi.
Funksiyalarni chaqirish: vositalarni chaqirishning to‘rt bosqichli jarayonini tabiiy qo‘llab-quvvatlaydi, OpenClaw, Hermes Agent, Pi va OpenCode kabi frameworklarga bevosita ulanadi.
Ko‘p formatli joylashtirish: native, FP8, GGUF, ONNX va MLX-4bit versiyalari mavjud bo‘lib, GPU, CPU, Apple Silicon va edge qurilmalarni qamrab oladi.
Uzun kontekstni qayta ishlash: 131,072 tokenlik kontekstni qo‘llab-quvvatlaydi, uzun hujjatlar va ko‘p bosqichli agent trayektoriyalarini qayta ishlay oladi.
Ko‘p tillilik: ingliz, xitoy, yapon, koreys, arab va boshqa jami 16 tilni qamrab oladi; 128K lug‘at lotin bo‘lmagan tillar tokenizatsiyasi uchun optimallashtirilgan.
Tezkor reasoning: Apple M5 Max qurilmasida 184 tok/s, shu toifadagi MoE modellaridan 1.7 baravar tezroq; bitta B300 kartasida 21K tok/s dan yuqori.

WeChat’da kuzatib, “开源” deb javob yuboring va AI ochiq manbali loyihalar guruhiga qo‘shiling.
MoE siyrak faollashtirish arxitekturasi: model jami 24B parametrga ega, biroq har bir MoE blokida 64 ta ekspert mavjud. Reasoning vaqtida top-4 marshrutlash orqali ulardan faqat 4 tasi faollashadi, shu sabab har bir token uchun amaldagi hisoblash hajmi atigi 2.45B parametrni tashkil etadi. Bu “katta sig‘im, past hisoblash xarajati” tamoyilining asosidir: model barcha bilimlarni saqlaydi, ammo har bir forward pass’da faqat kichik qismdan foydalanadi. Natijada reasoning qiymati umumiy parametrlari teng bo‘lgan modellarnikidan ancha past bo‘ladi.
Gibrid qatlam dizayni: konvolyutsiya va GQA asosidagi 40 qatlamli tarmoq 30 ta “ikki tomonlama boshqariladigan qisqa konvolyutsiya bloki” hamda 10 ta GQA qatlami aralashmasidan iborat. Qisqa konvolyutsiya mahalliy ketma-ketlik xususiyatlarini samarali ajratadi, attention qatlamlari esa uzoq masofali bog‘liqliklarni modellashtiradi. Ularning navbatma-navbat ishlashi modelga qatlamli hisoblash samaradorligini saqlagan holda uzun kontekst qobiliyatini beradi. Bu LFM arxitekturasining edge qurilmalardagi yuqori tezligi va kam xotira sarfining tarkibiy asosidir.
Lug‘atni joyida kengaytirish va uzun kontekstda o‘qitish: oldingi avlod LFM2-24B-A2B asosiy arxitekturasini saqlagan holda tokenizer’ni joyida kengaytirish orqali lug‘at 65K dan 128K gacha ikki baravar oshirildi. Bu xitoy, yapon va boshqa lotin bo‘lmagan tillarda tokenlardan foydalanish samaradorligini sezilarli yaxshiladi. Kontekst oynasi 32K dan 131K gacha kengaytirildi, 300B tokenlik maxsus o‘rta bosqichli uzun kontekst treningi esa modelga barqaror uzun ketma-ketliklarni qayta ishlash qobiliyatini berdi.
Uch bosqichli trening jarayoni: pretraining taxminan 33T token sarflaydi; o‘rta bosqichli treningda avval 32K kontekst va 2T tokenlik yuqori sifatli ma’lumotlar yordamida reasoning, matematika, kod va ko‘rsatmalarga rioya qilish qobiliyatlari kuchaytiriladi, so‘ng 131K kontekstda 300B token bilan uzun matnlarga ixtisoslashiladi. Har ikki bosqichga ham vositalarni chaqirish va ko‘p bosqichli muloqot ma’lumotlari kiritiladi. Post-training SFT → o‘qituvchini ixtisoslashtirish → Agent bo‘lmagan va Agent rejimlarida ikki bosqichli ko‘p domenli bir xil siyosat distillyatsiyasi → OpenClaw va Hermes kabi real agent frameworklarida reinforcement learning’dan iborat besh bosqichli jarayon orqali modelga haqiqiy vosita muhitida “fikrlash-chaqirish-tekshirish” ko‘nikmasi o‘rgatiladi.

Modelni olish: Hugging Face’dan LiquidAI/LFM2.5-24B-A2B modelini yuklab oling va qurilmaga qarab native BF16, FP8, GGUF, ONNX yoki MLX-4bit versiyasini tanlang.
Muhitni o‘rnatish: Python muhitida transformers>=5.0.0 o‘rnatilganiga ishonch hosil qiling yoki vLLM, SGLang, llama.cpp, LM Studio kabi reasoning frameworklaridan foydalaning.
Modelni yuklash: AutoModelForCausalLM.from_pretrained() yordamida modelni bfloat16 aniqligida yuklang.
Prompt yaratish: suhbatni ChatML formatiga avtomatik formatlash uchun tokenizer.apply_chat_template() funksiyasidan foydalaning.
Parametrlarni sozlash: generatsiya vaqtida rasmiy tavsiya etilgan temperature=0.1, top_k=50 va repetition_penalty=1.05 parametrlaridan foydalaning; fikrlash zanjiri vazifalarida max_new_tokens qiymatini 4096 yoki undan yuqori qilib belgilang.
Vositalarni chaqirishni sozlash: vositalar ro‘yxatini JSON shaklida system prompt ichiga yozing. Model funksiya chaqiruvini <|tool_call_start|> belgisi bilan chiqaradi, bajarilgandan so‘ng natijani tool roli orqali qaytaradi.
Agent frameworkiga ulash: mahalliy serverni OpenAI bilan mos interfeys orqali ishga tushiring, so‘ng OpenClaw, Hermes Agent, Pi yoki OpenCode kabi agent frameworklariga ulang.

Yuqori samaradorlik: jami 24B parametrdan atigi 2.45B tasi faollashadi; Apple M5 Max qurilmasida 184 tok/s tezlikka erishadi, shu toifadagi MoE modellaridan 1.7 baravar tezroq va xotira sarfi eng kam.
Kichik model katta modelni yengadi: Agent va vositalar benchmarklarida parametrlari 50% ko‘proq bo‘lgan Qwen3.6-35B-A3B bilan teng natija ko‘rsatadi. LiveClaw’da 48.09 ga qarshi 38.19, AutomationBench’da esa ikkinchi o‘rindagi modeldan 3 baravar yuqori natija qayd etgan.
To‘liq reasoning: sof fikrlash zanjiriga asoslangan model avval fikrlaydi, keyin javob beradi; past faollashtirish xarajati tufayli har bir reasoning tokeni ham arzon.
Tabiiy Agent qobiliyati: chiqarilishidan boshlab OpenClaw, Hermes, Pi va OpenCode kabi asosiy frameworklarda Agentic RL orqali o‘qitilgan, vositalarni chaqirish darhol ishlaydi.
Ochiq va cheklovsiz: asosiy hamda post-training modellari ochiq og‘irliklarga ega, ularni erkin yuklab olish, fine-tuning qilish va tijoriy maqsadlarda ishlatish mumkin.
Barcha platformalarni qamrab oladi: llama.cpp, MLX, vLLM, SGLang va ONNX’ni tabiiy qo‘llab-quvvatlaydi, Apple, AMD, Qualcomm va NVIDIA uskunalariga mos keladi.

Hugging Face model kutubxonasi: https://huggingface.co/LiquidAI/LFM2.5-24B-A2B

Qurilma tomonidagi xususiy Agent: MacBook kabi shaxsiy qurilmalarda mahalliy agentni kecha-kunduz ishga tushirib, rejalashtirish, vositalarni chaqirish va vazifalarni bajarish imkonini beradi; ma’lumotlar butun jarayon davomida qurilmadan tashqariga chiqmaydi.
Oflayn/edge yordamchi: GGUF, ONNX yoki MLX formatlari orqali tarmoq beqaror yoki umuman mavjud bo‘lmagan muhitlarga, masalan, avtomobil tizimlari, dala sharoiti va embedded terminallarga joylashtiriladi hamda oflayn reasoning imkonini beradi.
Aqlli vositalarni boshqarish: OpenClaw, Hermes Agent va OpenCode kabi frameworklar uchun asosiy model sifatida ishlaydi, rejalashtirilgan hisobotlar yaratish, fayllarni tartiblash va kod bilan ishlash kabi ko‘p bosqichli workflow’larni bajaradi.
Biznes jarayonlarini avtomatlashtirish: ToolSandbox va τ³-Bench Banking testlaridagi ustunliklaridan foydalanib, bank, ishga qabul qilish va buyurtmalar kabi tizimni tekshirish hamda ko‘p bosqichli tasdiqlashni talab qiladigan biznes muloqotlarini qayta ishlaydi.