Modelo de IA de 24 bilhões de parâmetros roda agentes inteligentes direto no seu computador
Liquid AI lança LFM2.5-24B-A2B, modelo que pensa antes de responder e executa tarefas complexas sem precisar da nuvem
A Liquid AI lançou o LFM2.5-24B-A2B, um modelo de linguagem grande com 24 bilhões de parâmetros que ativa apenas 2 bilhões por vez (técnica MoE, mixture of experts). Ele roda agentes de IA (programas que executam tarefas de forma autônoma) direto no computador ou celular sem precisar da nuvem, pensa antes de responder e supera modelos maiores em testes de uso de ferramentas.
A Liquid AI (startup de inteligência artificial fundada por ex-pesquisadores do MIT) lançou o LFM2.5-24B-A2B, um modelo de linguagem grande (LLM, sigla em inglês para as redes neurais treinadas para entender e gerar texto) desenhado especificamente para rodar agentes de IA (programas que executam tarefas de forma autônoma, como agendar reuniões ou pesquisar informações) diretamente no seu computador ou celular, sem depender da internet. O modelo tem 24 bilhões de parâmetros (os números ajustáveis que determinam como a rede neural funciona) no total, mas ativa apenas 2 bilhões por vez — uma técnica chamada MoE (mixture of experts, ou mistura de especialistas, que divide o modelo em partes menores e ativa só as necessárias para cada tarefa). Isso torna cada etapa de raciocínio muito mais rápida e barata do que em modelos tradicionais do mesmo tamanho.
O diferencial do LFM2.5-24B-A2B é que ele sempre "pensa em voz alta" antes de responder: gera uma cadeia de raciocínio explícita (chain of thought, técnica em que o modelo escreve os passos intermediários do raciocínio antes da resposta final), chama ferramentas externas quando necessário e trabalha em tarefas de múltiplas etapas dentro de frameworks de agentes (plataformas que orquestram a execução de tarefas complexas por modelos de IA) populares como OpenClaw e Hermes Agent. Segundo a Liquid AI, o modelo atinge 48,09 pontos no benchmark LiveClaw (teste que mede a capacidade de um modelo executar tarefas práticas do mundo real), superando o Qwen3.6-35B-A3B (modelo da chinesa Alibaba com 50% mais parâmetros totais e ativos) que marcou 38,19.
Em termos de velocidade, o LFM2.5-24B-A2B processa 184 tokens por segundo (um token é aproximadamente três quartos de uma palavra) em um chip Apple M5 Max e até 21 mil tokens por segundo em uma GPU NVIDIA B300 (unidade de processamento gráfico de última geração, usada para treinar e rodar modelos de IA). Nos testes da empresa, ele também lidera ou empata com concorrentes maiores em cinco dos oito benchmarks de uso de ferramentas e tarefas agênticas (como AutomationBench e ToolSandbox), e em todos os três testes de seguir instruções complexas. Modelos maiores ainda levam vantagem em tarefas pesadas de conhecimento enciclopédico (como GPQA Diamond) e programação avançada (como SWE-Bench Verified), então a Liquid AI recomenda combinar o LFM2.5-24B-A2B com busca na web ou sistemas de recuperação de informação (RAG, retrieval-augmented generation, técnica que permite ao modelo consultar bases de dados externas em tempo real) para esse tipo de aplicação.
O modelo está disponível desde hoje no Hugging Face (plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) em duas versões: a base (apenas pré-treinada) e a versão para agentes (com ajuste fino pós-treinamento). Ambas têm pesos abertos (ou seja, qualquer pessoa pode baixar, usar e modificar o modelo sem restrições de licença) e funcionam em bibliotecas de inferência (softwares que executam modelos de IA já treinados) populares como llama.cpp, MLX, vLLM e SGLang. A Liquid AI também publicou guias completos para integrar o modelo em frameworks de agentes e adaptá-lo a tarefas específicas por meio de fine-tuning (ajuste fino, processo de retreinar um modelo em dados específicos de uma tarefa).
