Liquid AI lanza un modelo pensado para agentes que corren en tu equipo
48,09 contra 38,19. Esa es la distancia que Liquid AI sacó en LiveClaw, un benchmark de tareas agénticas, frente a Qwen3.6-35B-A3B — un modelo con cerca de un 50% más de parámetros totales y activos. El nuevo LFM2.5-24B-A2B es un modelo open-weight de arquitectura Mixture of Experts (MoE) que activa solo 2.000 millones de parámetros por token y ya está disponible en Hugging Face.
Para un founder, el dato relevante no es el benchmark en sí: es que un modelo capaz de razonar, llamar herramientas y sostener conversaciones multi-turno quepa en una laptop. La factura de inferencia deja de ser una variable fija de tu modelo de negocio.
Qué cambió respecto a la generación anterior
LFM2.5-24B-A2B mantiene la arquitectura de LFM2-24B-A2B: 40 capas, 64 expertos por bloque MoE con enrutamiento top-4, y una mezcla de convoluciones cortas con compuerta y GQA. Los cambios están en tres frentes:
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días- Ventana de contexto: pasa de 32K a 131K tokens.
- Vocabulario: una expansión del tokenizer in-place lo duplica de 65K a 128K tokens, con mejor tokenización para idiomas no latinos.
- Razonamiento: a diferencia de su predecesor, es un modelo reasoning-only: siempre produce una cadena de pensamiento explícita antes de la respuesta final.
El entrenamiento también escaló. La pre-etapa pasó de ~17T a ~33T tokens. La mid-etapa suma 2T tokens a 32K de contexto (con peso en razonamiento, matemática, código, seguimiento de instrucciones y multilingüe) y 300B tokens a 131K de contexto. Las llamadas a herramientas y las trayectorias multi-turno aparecen en ambas fases.
El post-entrenamiento es donde el modelo se convierte en agente, en cinco etapas: SFT, especialización de profesores, destilación on-policy multi-dominio (MOPD) no agéntica, una segunda MOPD agéntica, y reinforcement learning agéntico entrenado dentro de harnesses reales como OpenClaw, Hermes Agent, Pi y OpenCode. Ese último punto explica por qué rinde en benchmarks de herramientas: no aprendió a usarlas en abstracto, sino dentro de un entorno de agente.
Los números: dónde gana y dónde conviene combinarlo
Liquid AI evaluó el modelo contra Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it y Nemotron-3.5-Lightning en 16 benchmarks. Es el más pequeño del grupo y aun así lidera o empata en cinco de los ocho benchmarks de uso de herramientas y flujos agénticos:
- AutomationBench: 27,69 contra 8,72 del siguiente mejor — más del triple.
- BFCLv4: 65,01 (empate técnico con Qwen, 65,00).
- ToolSandbox: 80,71.
- LiveClaw: 48,09.
- τ³-Bench Banking: 8,04.
También lidera los tres benchmarks de seguimiento de instrucciones: IFEval (96,75), IFBench (74,69) y Multi-IF (84,38).
Donde pierde es en conocimiento y código. En GPQA Diamond saca 74,42 frente a 83,69 de Qwen; en SWE-Bench Verified (OpenCode) queda en 51,00 contra 66,20; y en SciCode, 32,71 contra 37,35. La propia Liquid AI lo dice sin vueltas: para cargas intensivas en conocimiento, hay que emparejarlo con recuperación o búsqueda web.
Ese es el insight accionable. No es un reemplazo del modelo grande: es la capa que absorbe el trabajo repetitivo. Un paper de NVIDIA Research de junio de 2025 estimó que servir un modelo de 7.000 millones de parámetros es entre 10 y 30 veces más barato en latencia, energía y cómputo que uno de 70 a 175 mil millones, y que entre el 40% y el 70% de las consultas en agentes open-source populares podrían resolverse con modelos pequeños especializados.
¿Qué tan rápido corre en hardware real?
En inferencia de borde, Liquid AI reporta 184 tokens por segundo en un Apple M5 Max y 114 tokens por segundo en un Ryzen AI Max+ 395, hasta 1,7x más rápido que el siguiente mejor modelo y con el menor consumo de memoria del grupo. En GPU, supera los 21.000 tokens de salida por segundo con alta concurrencia en una sola NVIDIA B300.
El modelo llega con soporte desde el día uno en llama.cpp, MLX, vLLM, SGLang y ONNX. Se sirve detrás de cualquier backend compatible con la API de OpenAI y se apunta el harness del agente a ese endpoint. Los puertos dependen del backend: llama.cpp y MLX usan 8080, vLLM usa 8000, SGLang usa 30000 y LM Studio usa 1234.
Vale la pena ver esto en el contexto de la empresa. Liquid AI, surgida del MIT en 2023 según TNW, viene construyendo ese stack de forma consistente. En agosto de 2026 lanzó LFM2.5-2.6B, un modelo de 2.690 millones de parámetros con ventana de 128K y menos de 2,5 GB de huella, según reportó Yahoo Finance. Ese mismo mes anunció una alianza con MacPaw para llevar inferencia local al Mac, con Elix como motor de inferencia y Mnemos como capa de memoria, según TechCrunch. Y según TNW, ya adaptó su capa de contexto personal para correr en los chips Snapdragon de Qualcomm, sobre la NPU Hexagon.
También hay tracción comercial: según el anuncio de la alianza con MacPaw, los modelos de Liquid AI ya se usan en cargas on-device en Mercedes-Benz, Insilico Medicine y Shopify.
El mercado acompaña. Meticulous Research estima el mercado de modelos de lenguaje pequeños en USD 3.100 millones en 2026, con proyección a USD 25.590 millones en 2036 (23,5% anual), y señala que el despliegue on-device es el segmento de crecimiento más rápido.
¿Qué significa esto para tu startup?
1. Tu costo marginal de inferencia puede caer a cero. Si tu producto hace muchas llamadas repetitivas a un modelo —clasificar, extraer, enrutar, resumir—, mover esa capa a un modelo local cambia la economía. Las APIs en la nube cobran por token; un modelo open-weight en tu propio hardware no. Según Yahoo Finance, los precios de API en la nube van desde los USD 2/6 por millón de tokens de GPT-5.6 hasta los USD 0,14/0,28 de DeepSeek V4-Flash. Cada llamada que sacas de ahí es margen que recuperas.
2. La privacidad deja de ser un costo y pasa a ser una feature. Si vendes a salud, finanzas o sector público, procesar datos sensibles sin salir del dispositivo elimina una objeción de compra entera. Y con 131K de contexto puedes meter documentos largos completos en el prompt.
3. Arma una arquitectura híbrida, no un reemplazo. El patrón que sugieren los benchmarks: modelo pequeño local por defecto, modelo grande en la nube solo cuando la tarea lo exige. Empieza midiendo qué porcentaje de tus llamadas actuales son de razonamiento complejo y cuáles son rutina.
4. Prueba antes de rediseñar. El modelo se sirve localmente detrás de un backend compatible con OpenAI. Levanta vLLM en el puerto 8000 o llama.cpp en el 8080, apunta tu harness y corre tu propio set de evaluación con las tareas reales de tu producto. Los benchmarks ajenos no dicen nada sobre tu caso de uso.
Un matiz para LATAM y España: el hardware sigue siendo la barrera. Un M5 Max o un Ryzen AI Max+ no son equipos de gama media, y según Meticulous Research el costo de la memoria para dispositivos subió con fuerza por la escasez de oferta. La jugada realista para un equipo con presupuesto ajustado es empezar por el servidor de desarrollo y medir, antes de prometer inferencia local en el dispositivo del cliente.
Conclusión
LFM2.5-24B-A2B no gana la carrera de conocimiento ni la de código, y Liquid AI lo admite. Gana en lo que un agente hace todo el día: razonar, llamar herramientas y seguir instrucciones, con 2B de parámetros activos y a velocidad de dispositivo. Para un founder, eso abre una pregunta concreta: cuántas de las llamadas que hoy pagas por token podrías estar corriendo en tu propio equipo.
Fuentes
- LFM2.5-24B-A2B: Built for Fast On-Device Agents (fuente original)
- Liquid AI’s 2.69B Model Cuts Cloud Dependency to Zero for Agentic Workloads
- Liquid AI puts a personal context layer for AI agents on Snapdragon chips
- MacPaw taps Liquid AI to offer on-device inference to devs building for its app store
- MacPaw and Liquid AI Partner to Build On-Device AI for the Mac
- Small Language Models (SLM) Market (2026-2036)
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
