LFM2.5-24B-A2B: o modelo da Liquid AI para agente de IA local que cabe numa placa de 16 GB

O LFM2.5-24B-A2B é o novo modelo aberto da Liquid AI para rodar agente de IA no próprio computador. Ele tem 24 bilhões de parâmetros, mas usa só cerca de 2,45 bilhões a cada palavra gerada, e por isso é muito rápido. A versão Q4_K_M pesa 14,5 GB e já roda no llama.cpp, no LM Studio e no Ollama. Pelos números da própria Liquid, ele empata com o Qwen3.6-35B-A3B em uso de ferramentas e perde em programação e conhecimento geral.

Atualizado em 21/10/2026: o modelo passou pela bancada do nosso Laboratório. Numa placa de 16 GB, o QAD-Q4_0 coube inteiro com 96 mil tokens de contexto e gerou de 213 a 226 tokens por segundo. Acertou todos os casos do teste de agente em um minuto e meio, mas não entregou nenhum dos quatro jogos funcionando.

Abaixo explico o que o modelo traz de novo, quanto de memória ele pede, como rodar e como ele se saiu nos mesmos testes que os outros modelos do Laboratório já fizeram.

O que é o LFM2.5-24B-A2B

É o maior e último modelo da família LFM2.5, lançado em 13/10. “24B-A2B” quer dizer 24 bilhões de parâmetros no total e cerca de 2 bilhões ativos: é um modelo do tipo MoE, com 64 especialistas por bloco e 4 escolhidos por vez. A arquitetura também foge do transformer comum. São 40 camadas, 30 delas de convolução curta e só 10 de atenção, o que deixa o cache de contexto pequeno.

• Contexto: 131 mil tokens (o antecessor, LFM2-24B-A2B, tinha 32 mil).
• Treino: 33 trilhões de tokens, contra 17 trilhões antes, e uma etapa final de aprendizado por reforço dentro de harnesses de agente, como OpenClaw, Hermes Agent, Pi e OpenCode.
• Idiomas: 16, incluindo português.
• Sempre raciocina: escreve o raciocínio antes da resposta final, não tem modo direto.
• Licença: LFM Open License 1.0. Uso comercial liberado só para empresas com faturamento anual abaixo de US$ 10 milhões.

LFM2.5-24B-A2B contra o Qwen3.6-35B-A3B

Na tabela da Liquid, o LFM2.5-24B-A2B ganha em 8 de 16 testes e perde nos outros 8. Ele vai melhor no que é de agente (chamar ferramentas, seguir instruções) e pior em programação e conhecimento. Os números são da própria empresa:

A Liquid também divulga velocidade. No llama.cpp, em Q4_K_M, foram 184 tokens por segundo num Mac com M5 Max e 114 num Ryzen AI Max+ 395. Em placa de vídeo dedicada, a empresa não publicou número.

Quanta memória o LFM2.5-24B-A2B precisa

Depende da quantização. Pelo tamanho dos arquivos GGUF oficiais, a conta fica assim (se a quantização é novidade para você, explico tudo no guia o que é GGUF e qual quantização baixar):

Como só 2,45 bilhões de parâmetros trabalham por vez, dá para deixar parte do modelo na memória RAM e ainda ter velocidade aceitável, o que ajuda quem tem placa de 8 ou 12 GB. Para escolher a placa, eu compararia com o nosso guia de placa de vídeo para IA com melhor custo-benefício.

Como rodar o LFM2.5-24B-A2B no PC

O jeito mais simples é o Ollama, que já tem a versão de 15 GB na biblioteca:

ollama run lfm2.5:24b

No LM Studio, procure “LFM2.5-24B-A2B” e baixe o GGUF da própria LiquidAI. No llama.cpp, use o arquivo Q4_K_M ou o QAD-Q4_0 do repositório oficial. A Liquid recomenda temperatura 0,1, top_k 50 e penalidade de repetição 1,05. Se nunca rodou um modelo local, comece pelo passo a passo de como rodar IA localmente no PC.

LFM2.5-24B-A2B na nossa bancada: o que medimos

Rodamos o modelo na madrugada de 21/10, com o arquivo QAD-Q4_0, o llama.cpp (build b11669) e uma Radeon RX 9070 XT de 16 GB, a mesma placa em que o monitor fica ligado. A bateria é a mesma que os outros 22 modelos do Laboratório já fizeram. São três partes: um teste de agente, em que o modelo monta um leitor de arquivos CSV e roda os próprios testes, quatro jogos feitos em modo agente e o modo sem ferramentas, em que o modelo escreve quatro jogos e duas páginas web numa resposta só. As configurações seguem o card do modelo: temperatura 0,1, top_k 50 e penalidade de repetição 1,05.

Memória: cabe numa placa de 16 GB, com 96 mil tokens

A nossa regra para dizer que um modelo “cabe numa placa” é ele ficar inteiro na placa, sem jogar nada na memória RAM, porque é isso que derruba a velocidade quando a conversa cresce. Com os 131 mil tokens de contexto máximos, o modelo usou 13,98 GB da placa e mandou 0,47 GB para a RAM. Com 112 mil, ainda sobraram 0,32 GB fora. Com 96 mil tokens, ficou tudo na placa: 13,95 GB, e só a sobra normal de 0,11 GB na RAM. Foi assim que rodamos a bateria inteira. Se o seu monitor está ligado no vídeo da placa-mãe, a placa de vídeo fica com cerca de 1,3 GB a mais para o contexto.

Velocidade: mais de 200 tokens por segundo

Sem ferramentas, gerou de 213 a 226 tokens por segundo. No modo agente, com a conversa passando de 70 mil tokens, a média caiu para 94 a 192 tokens por segundo, conforme o teste. Para comparar, a Liquid divulgou 184 tokens por segundo num Mac com M5 Max, só que com o arquivo Q4_K_M, então a comparação é aproximada.

Resultados: ótimo como agente, fraco para escrever jogo

No teste de agente, ficou com a nota máxima, a mesma do Qwen3.6-35B-A3B e dos modelos maiores do Laboratório. Em 15 chamadas de ferramenta e sem nenhum erro de formato, ele escreveu o leitor de CSV, rodou os testes quatro vezes e acertou os casos que mais derrubam modelo pequeno, como vírgula dentro de aspas e quebra de linha dentro de um campo. As duas páginas web, feitas numa resposta só, também saíram limpas.

Nos jogos, a história é outra. Nenhum dos oito funcionou. No VOO LIVRE em modo agente, o modelo trabalhou os 80 minutos do limite, fez 891 chamadas de ferramenta e rodou o código 658 vezes, mas entregou um jogo que abre com a tela vazia porque declara a mesma variável duas vezes. Ainda deixou um arquivo de teste fora da pasta de entrega. No BOMBA LAB, também bateu o limite com um erro de sintaxe. No CORREDOR 3D, parou em seis minutos sem gravar o jogo. Sem ferramentas, o VOO LIVRE foi o que chegou mais perto: desenha a tela, mas o código não cria a parte que a nossa triagem usa para conferir o jogo. Os outros três abrem vazios ou travados.

O resultado bate com a tabela da própria Liquid: forte em agente e em seguir instruções, mais fraco em programação. Todos os números, os códigos e os jogos (quebrados) estão no AI Tester e na Arena de Jogos IA, ao lado dos outros modelos.

O que mudou em relação ao irmão menor, o LFM2.5-2.6B

O LFM2.5-2.6B passou pela mesma bateria em 16/10. No teste de agente, errou os casos difíceis do CSV e gravou arquivos fora da pasta do projeto. O 24B resolveu os cinco casos em um minuto e meio. Na velocidade, os dois ficaram parecidos (o 2.6B gerou de 156 a 195 tokens por segundo), mesmo o 24B sendo quase dez vezes maior.

O olhar de QA

Empatar com o Qwen3.6 em 8 de 16 testes usando um terço dos parâmetros ativos é bom de verdade, mas reparei em quais 8 ele ganha. São quase todos testes de agente e de seguir instruções, como AutomationBench, LiveClaw e ToolSandbox, exatamente o tipo de tarefa que a Liquid colocou no treino final, dentro de harnesses de agente. Não é trapaça. Só que o modelo foi treinado para o formato da prova, e aí a nota na prova diz menos sobre o resto.

Para quem quer um agente rápido no PC, que lê e-mail, organiza arquivo e chama ferramentas, ele é candidato forte, principalmente em placa de 16 GB. Para programar, os próprios números da Liquid mandam ficar no Qwen. E eu não deixaria nenhum agente local mexer fora de uma pasta de teste antes de ver como ele se comporta, lição que o irmão menor já deu na bancada. Explico o porquê no texto sobre harness de IA com modelo local.

Número de fabricante, porém, eu confiro antes de recomendar. Por isso o LFM2.5-24B-A2B passou pela nossa bancada, e ela confirmou as duas pontas: resolveu a tarefa de agente rápido e sem erro, e não entregou nenhum jogo funcionando. Os números completos estão no AI Tester do nosso Laboratório, para você conferir e comparar com os outros modelos.

Perguntas frequentes

O LFM2.5-24B-A2B roda em placa de 16 GB?

Sim. Medimos o QAD-Q4_0 numa RX 9070 XT de 16 GB, com o monitor ligado na mesma placa: coube inteiro com 96 mil tokens de contexto e gerou mais de 200 tokens por segundo. Com o contexto máximo de 131 mil, uma parte foi para a memória RAM. O Q4_K_M, quase 1 GB maior, não testamos.

O LFM2.5 fala português?

Sim. O português está entre os 16 idiomas listados pela Liquid AI no card do modelo.

Posso usar o LFM2.5 na minha empresa?

Pode, se a empresa faturar menos de US$ 10 milhões por ano, que é o limite da LFM Open License 1.0. Acima disso, é preciso falar com a Liquid AI.

LFM2.5-24B-A2B ou Qwen3.6-35B-A3B?

Pelos números da Liquid, o LFM2.5 é melhor para agente e uso de ferramentas e mais leve. O Qwen3.6 é melhor para programar e em conhecimento geral.

O LFM2.5-24B-A2B serve para programar?

Para tarefa pequena e bem definida, sim: no nosso teste de agente, ele escreveu e testou um leitor de CSV sem errar nenhum caso. Para um programa maior, não: nos quatro jogos da bancada, com ou sem ferramentas, todos saíram com erro grave.

Já testou o LFM2.5 no seu PC? Quantos tokens por segundo deu na sua placa? Conta aqui nos comentários.

Para acompanhar esta e outras notícias de tecnologia, inscreva-se na newsletter do TechDescomplicado. É grátis, e as análises chegam direto no seu e-mail.

Resumo

• O LFM2.5-24B-A2B (13/10) tem 24 bilhões de parâmetros, cerca de 2,45 bilhões ativos e 131 mil tokens de contexto.
• Pela Liquid, empata com o Qwen3.6-35B-A3B: ganha em agente e instruções, perde em programação e conhecimento.
• O Q4_K_M tem 14,5 GB e roda no Ollama (lfm2.5:24b), no LM Studio e no llama.cpp.
• Na nossa bancada (RX 9070 XT de 16 GB), o QAD-Q4_0 coube inteiro com 96 mil tokens, gerou de 213 a 226 tokens por segundo, tirou nota máxima no teste de agente e não entregou nenhum jogo funcionando.
• Uso comercial só para empresa com faturamento abaixo de US$ 10 milhões por ano.

Fontes

• Liquid AI: LFM2.5-24B-A2B, Built for Fast On-Device Agents (13/10/2026)
• Hugging Face: card do modelo LiquidAI/LFM2.5-24B-A2B
• Hugging Face: arquivos GGUF oficiais
• Ollama: biblioteca lfm2.5
• MarkTechPost: Liquid AI Releases LFM2.5-24B-A2B (14/10/2026)
• TechRepublic: Liquid AI Releases LFM2.5-24B-A2B for Local AI Workflows