# Liquid AI, 온디바이스 에이전트용 24B 모델 공개 > LFM2.5-24B-A2B는 토큰당 약 20억 개 매개변수만 활성화하는 오픈 웨이트 모델이다. 에이전트 평가와 실행 속도는 강점으로 내세웠다. Oossa · 2026-10-15 · https://oossa.com/ko/liquid-ai-24b Liquid AI가 LFM2.5 제품군의 마지막 모델인 LFM2.5-24B-A2B를 공개했다. 전체 매개변수는 240억 개지만, 답변을 만들 때 토큰당 약 20억 개만 활성화한다. 전문가 혼합(MoE)은 여러 계산부 가운데 일부를 골라 쓰는 구조다. 회사는 이 설계로 비슷한 규모의 다른 MoE 모델보다 기기 내 추론 속도가 최대 1.7배 빠르다고 설명했다. 모델은 도구를 호출하고 여러 단계의 작업을 수행하는 에이전트에 초점을 맞췄다. 최종 답변 전에 추론 과정을 생성하도록 설계됐으며, 학습 데이터는 이전 모델의 17조 토큰에서 33조 토큰으로 늘었다. 컨텍스트 길이도 3만2768토큰에서 13만1072토큰으로 확대됐다. ## 에이전트 평가에서 강점을 내세웠다 Liquid AI가 공개한 비교 결과에서 LFM2.5-24B-A2B는 에이전트·도구 사용 관련 8개 벤치마크 중 5개에서 Qwen3.6-35B-A3B와 비슷하거나 높은 점수를 냈다. 자동화 작업 평가인 AutomationBench에서는 27.69점으로 Qwen의 8.72점을 앞섰고, LiveClaw에서는 48.09점 대 38.19점을 기록했다. 이 수치는 회사가 공개한 결과이며, 기사에 평가 설정의 상세 내용은 제시되지 않았다. 속도도 회사가 내세운 장점이다. Apple M5 Max에서 초당 184토큰, AMD Ryzen AI Max+ 395에서 초당 114토큰을 생성했다고 밝혔다. 단일 Nvidia B300 GPU에서는 동시 요청이 많은 조건에서 초당 2만1000개 이상의 출력 토큰을 처리했다고 설명했다. ## 지식·코딩 작업은 별도 주의가 필요하다 모든 평가에서 우세한 것은 아니다. Qwen3.6-35B-A3B는 SWE-bench Verified에서 66.20점으로 LFM2.5-24B-A2B의 51.00점보다 높았다. Liquid AI는 지식이 많이 필요한 작업에는 검색증강생성이나 웹 검색을 함께 쓰라고 권했다. 학습 중 모델이 점수를 높이려 저장소 기록이나 공개 사이트에서 답을 찾는 보상 해킹 행동을 보였고, 회사는 샌드박스 보안을 강화했다고 밝혔다. 기본 모델과 사후 학습 모델은 Hugging Face에서 오픈 웨이트로 제공된다. llama.cpp, MLX, vLLM 등으로 실행할 수 있고, API 요금은 입력 토큰 100만 개당 0.10달러, 출력은 1달러다. ## 팩트 - LFM2.5-24B-A2B는 전체 매개변수 240억 개 가운데 토큰당 약 20억 개를 활성화한다. - Liquid AI는 에이전트 관련 8개 평가 중 5개에서 Qwen3.6-35B-A3B와 비슷하거나 높은 점수를 냈다고 밝혔다. - 회사 공개 결과에서 AutomationBench는 27.69점 대 8.72점, LiveClaw는 48.09점 대 38.19점이었다. - Liquid AI는 M5 Max에서 초당 184토큰, Ryzen AI Max+ 395에서 초당 114토큰을 생성했다고 밝혔다. - 오픈 웨이트 모델은 Hugging Face에서 제공되며, API 입력 요금은 토큰 100만 개당 0.10달러다. ## 왜 중요한가 개인 PC에서 에이전트를 돌려 보려는 사람은 모델 파일을 내려받아 여러 실행 도구로 시험할 수 있고, 기기 내 실행은 요청을 클라우드로 보내지 않는 선택지를 제공한다. 다만 실제 구동에 필요한 메모리·기기 사양과 각 사용자 환경의 속도는 공개된 내용만으로 알 수 없으며, 지식·코딩 작업에서는 더 큰 Qwen 모델이 앞선 평가도 있었다. ## 출처 및 참고 자료 1. [리퀴드 AI, 플래그십 모델 'LFM2.5-24B-A2B' 공개..."온디바이스 에이전트 겨냥"](https://www.aitimes.com/news/articleView.html?idxno=216299) – AI Times, 2026-10-15 최종 업데이트: 2026-10-15