LFM2.5-24B-A2B โมเดลเปิดน้ำหนักของ Liquid AI สำหรับ agent บนเครื่อง

Liquid AI เปิดตัว LFM2.5-24B-A2B เมื่อวันที่ 13 ตุลาคม 2026 เป็นโมเดลที่ออกแบบให้ AI agent ทำงานได้เร็วบนเครื่องของผู้ใช้เอง เช่นโน้ตบุ๊กชิป Apple หรือ AMD โดยไม่ต้องส่งข้อมูลขึ้นคลาวด์ (Liquid AI)

โครงสร้างของโมเดล

โมเดลเป็นแบบ mixture of experts มีพารามิเตอร์รวม 24B แต่ใช้งานจริงต่อโทเคนราว 2B ซึ่งหน้าโมเดลบน Hugging Face ระบุละเอียดว่าราว 2.45B มี 40 ชั้น และ 64 expert ต่อบล็อก โดยเลือกใช้ครั้งละ 4 ตัว (Liquid AI) (Hugging Face)

เป็นโมเดลที่คิดเป็นขั้นตอนก่อนตอบเสมอ รองรับ context 131,072 โทเคน จาก 32,768 ในรุ่นก่อน ขยายคลังคำจาก 65K เป็น 128K เพื่อให้ตัดคำภาษาที่ไม่ใช่อักษรละตินได้ดีขึ้น และฝึกล่วงหน้าด้วยข้อมูล 33 ล้านล้านโทเคน จาก 17 ล้านล้านในรุ่นก่อน ขั้นฝึกต่อมีห้าขั้น รวมการฝึกแบบ reinforcement learning ใน agent harness จริง (Liquid AI) (Hugging Face) (Hugging Face รุ่นก่อน)

สัญญาอนุญาตและช่องทางใช้งาน

น้ำหนักทั้งรุ่นฐานและรุ่นที่ฝึกต่อแล้วดาวน์โหลดได้จาก Hugging Face ภายใต้ LFM Open License v1.0 (Hugging Face API) สัญญานี้กำหนดเกณฑ์รายได้ต่อปี 10 ล้านดอลลาร์ องค์กรที่มีรายได้ถึงเกณฑ์นี้ไม่ได้รับอนุญาตให้ใช้เชิงพาณิชย์ภายใต้สัญญาฉบับนี้ (LICENSE) จึงไม่ควรเรียกว่าโอเพนซอร์สแบบ Apache หรือ MIT

โมเดลรันได้ผ่าน llama.cpp, MLX, vLLM, SGLang และ ONNX และมีให้ใช้ผ่าน API ของ Liquid AI ในราคา 0.10 ดอลลาร์ต่อล้านโทเคนขาเข้า 0.05 ดอลลาร์สำหรับขาเข้าที่ดึงจากแคช และ 1 ดอลลาร์ต่อล้านโทเคนขาออก ณ วันเปิดตัว (Liquid AI)

ความเร็วและคะแนน

Liquid AI วัดความเร็วการสร้างคำตอบด้วยระบบทดสอบของบริษัทเองได้ 184 โทเคนต่อวินาทีบน Apple M5 Max และ 114 โทเคนต่อวินาทีบน AMD Ryzen AI Max+ 395 ส่วนบน NVIDIA B300 ที่รับผู้ใช้พร้อมกันจำนวนมากได้กว่า 21,000 โทเคนต่อวินาที (Liquid AI)

ตารางจากบล็อกของ Liquid AI (Liquid AI) บริษัทบอกว่าโมเดลนำหรือเสมอคู่แข่งในห้าจากแปดชุดทดสอบด้านเครื่องมือและ agent และนำทั้งสามชุดด้านการทำตามคำสั่ง แต่โมเดลที่ใหญ่กว่ายังได้เปรียบในงานที่ต้องใช้ความรู้มากอย่าง GPQA Diamond และงานเขียนโค้ด ส่วน BFCLv4 ต่างกันเพียง 0.01 จึงถือว่าเสมอ ณ วันที่ 15 ตุลาคม 2026 คะแนนทั้งหมดที่เผยแพร่มาจากการวัดของ Liquid AI เอง ยังไม่มีผู้วัดอิสระ

ความหมายสำหรับคนทำงาน

โมเดลนี้เหมาะกับงานที่ agent ต้องเรียกเครื่องมือและทำตามขั้นตอนบนเครื่องของผู้ใช้ เช่นงานที่ต้องเก็บข้อมูลไว้ในองค์กร แต่ไม่ใช่ตัวเลือกแรกสำหรับงานเขียนโค้ดซับซ้อนหรืองานที่ต้องอาศัยความรู้กว้าง ส่วนองค์กรที่มีรายได้ตั้งแต่ 10 ล้านดอลลาร์ต่อปีต้องตรวจเงื่อนไขสัญญาอนุญาตหรือติดต่อ Liquid AI ก่อนนำไปใช้เชิงพาณิชย์

คำถามที่ยังไม่มีคำตอบ

• ผู้วัดอิสระอย่าง Artificial Analysis จะวัดได้ตัวเลขใกล้กับของบริษัทหรือไม่
• ทำงานกับภาษาไทยได้ดีแค่ไหนหลังขยายคลังคำ
• ราคาผ่านผู้ให้บริการรายอื่นจะเป็นเท่าไร