Liquid AI Lanza LFM2.5-24B-A2B: La Ruptura MoE para Agentes Locales Soberanos

TL;DR / KEY POINTS

• Liquid AI libera en pesos abiertos LFM2.5-24B-A2B, modelo Mixture-of-Experts (MoE) de 24.000 millones de parámetros totales con solo 2.000 millones activos por token.
• Su arquitectura híbrida de 40 capas procesa hasta 131.072 tokens de contexto con tasas de inferencia récord de 184 tokens/s en silicio local.
• Diseñado nativamente para bucles agénticos y llamada a herramientas, este desarrollo quiebra la dependencia cautiva de APIs de hiperescalares y consolida la soberanía computacional corporativa.

Anatomía del Cambio de Paradigma: Arquitectura Híbrida Líquida

El lanzamiento formal de LFM2.5-24B-A2B por parte de Liquid AI marca un punto de giro estructural en el despliegue de sistemas autónomos. Mientras la industria convencional de transformadores continúa atrapada en compromisos cuadráticos de memoria y costes energéticos asfixiantes, la aproximación basada en modelos fundamentales líquidos (LFMs) introduce un desacoplamiento radical entre la capacidad global del modelo y los recursos requeridos para computar cada token individual.

El sistema integra 24.000 millones de parámetros en total, pero restringe la activación dinámica a únicamente 2.000 millones de parámetros (aproximadamente 2,45B efectivos) por cada paso de inferencia. Esta relación de compresión activa permite sostener comportamientos de razonamiento profundo con una huella operativa que hasta hace poco pertenecía exclusivamente a modelos densos de bajo desempeño.

MoE de 64 Expertos y Reducción del Cuello de Botella

La columna vertebral técnica de LFM2.5-24B-A2B abandona el diseño Transformer puro para implementar un esquema híbrido de 40 capas:

• 30 bloques de convolución corta con compuertas: Gestionan la compresión temporal y la mezcla de secuencias con latencia predecible y sin explosión cuadrática del KV-cache.
• 10 capas de Grouped-Query Attention (GQA): Proporcionan anclaje semántico de largo alcance y preservan la precisión asociativa en razonamientos complejos.
• Estructura MoE de 64 expertos: Cada bloque experto opera bajo un esquema de enrutamiento top-4, lo que garantiza una especialización funcional granular sin dispersar la estabilidad de los gradientes.

Esta formulación matemática elimina el estrangulamiento de memoria inherente a los modelos densos tradicionales, optimizando de forma nativa los requerimientos de ancho de banda de memoria (memory bandwidth) en chips locales.

Contexto Extendido de 131K y Entrenamiento Masivo

El salto generacional respecto a sus iteraciones previas radica en la escala de contextualización y absorción de datos. LFM2.5-24B-A2B extiende su ventana operativa hasta los 131.072 tokens de contexto, duplicando a su vez el vocabulario hasta 128.000 tokens mediante una tokenización optimizada para entornos multilingües y secuencias técnicas complejas.

El pipeline de entrenamiento involucró un preentrenamiento inicial que escaló hasta los 33 billones de tokens, seguido de una fase intermedia de 2 billones de tokens a 32K y un alineamiento final sobre 300.000 millones de tokens a ventana de contexto completa (131K). A diferencia de los modelos genéricos de chat, el modelo fue refinado mediante aprendizaje por refuerzo agéntico directamente encapsulado en entornos como Hermes Agent, OpenClaw y Pi, integrando bloques de pensamiento <think> previos a la ejecución de acciones estructuradas.

Benchmarks Operativos: Rendimiento en el Edge vs. Gigantes Centralizados

La efectividad de un modelo para agentes no se mide en pruebas académicas abstractas, sino en su tasa de éxito al interactuar con entornos dinámicos, APIs y emisión de esquemas JSON. En este terreno, las pruebas comparativas revelan una asimetría táctica a favor de la arquitectura de Liquid AI frente a rivales de mayor volumen como Qwen3.6-35B-A3B.

Automatización y Tool-Calling: Demolición de Métricas Convencionales

En las evaluaciones sobre entornos cerrados de orquestación, LFM2.5-24B-A2B demostró una superioridad contundente en 5 de los 8 benchmarks clave de herramientas:

• AutomationBench: Alcanza 27.69 puntos, triplicando ampliamente la marca de 8.72 lograda por Qwen3.6.
• LiveClaw: Registra 48.09 puntos frente a 38.19 de la competencia.
• ToolSandbox & BFCLv4: Consigue 80.71 y 65.01 puntos respectivamente, situándose a la vanguardia en precisión de invocación sintáctica de herramientas.
• Seguimiento de Instrucciones: Obtiene un 96.75% en IFEval y 74.69% en IFBench, garantizando una disciplina estricta ante prompts de orquestación densos.

Si bien los modelos hiperescalares mantienen margen en razonamiento deductivo puro como GPQA Diamond o codificación pesada (SWE-Bench Verified), la recomendación técnica para LFM2.5 es clara: delegar la base de conocimiento en arquitecturas de recuperación (RAG) y concentrar la potencia del modelo en la lógica agéntica de ejecución rápida.

Viabilidad en Hardware Local: M5 Max y Ryzen AI Max+ 395

La verdadera fractura de mercado se manifiesta en la eficiencia de inferencia. Al requerir solo 15 GB de VRAM en cuantizaciones de 4 bits (GGUF / MLX), el modelo opera con soltura en estaciones de trabajo y portátiles corporativos sin necesidad de clústeres de centros de datos:

• Apple M5 Max: Registra velocidades de 184 tokens por segundo, permitiendo a bucles de agentes deliberar y ejecutar en milisegundos.
• AMD Ryzen AI Max+ 395: Alcanza 114 tokens por segundo, demostrando la portabilidad del modelo sobre silicio x86 de última generación con NPU integrada.
• Servidores Dedicados: Bajo entornos de infraestructura de servidor como NVIDIA B300 con SGLang, la tasa de procesamiento concurrente supera los 21.000 tokens por segundo, habilitando microservicios empresariales de altísima densidad operativa.

Implicaciones Estratégicas y Foso Competitivo

Desintermediación de los Hiperescalares y Contención de Costes Opex

Para los directores de tecnología (CTOs) y líderes de producto, la factura recurrente de APIs propietarias representa el principal cuello de botella de escalabilidad para flujos de trabajo basados en agentes. Un agente autónomo en producción genera cientos de miles de tokens de contexto en llamadas recursivas, verificaciones sintácticas y razonamientos intermedios.

La posibilidad de desplegar un agente local o en infraestructura privada con el rendimiento de LFM2.5-24B-A2B pulveriza el coste marginal por token, transformando el gasto recurrente de Opex en un coste de capital amortizable (Capex) mediante la adquisición de hardware de ejecución.

Seguridad y Soberanía Agéntica en Entornos Corporativos

El despliegue de agentes en entornos financieros, jurídicos, de ciberdefensa o industriales choca frecuentemente con normativas de privacidad y secretismo corporativo. La telemetría obligatoria de proveedores en la nube y los riesgos de filtración de contexto son factores de rechazo institucional.

La disponibilidad en pesos abiertos de este modelo bajo licencia funcional, junto a integraciones inmediatas en llama.cpp, vLLM, MLX y ONNX, otorga a las corporaciones control absoluto sobre sus flujos de datos. La inferencia deja de ser un servicio alquilado y se convierte en un activo de infraestructura propio, inmune a caídas de servicio externas, censura semántica o cambios unilaterales en los términos de servicio.