شركة Liquid AI تطلق نموذج LFM2.5‑24B‑A2B: نموذج استدلال بـ 24 مليار معامل مع 2 مليار معامل نشط فقط للوكلاء على الجهاز

أطلقت Liquid AI نموذج LFM2.5‑24B‑A2B، وهو نموذج استدلال يعتمد على خليط الخبراء (MoE) يحتفظ بـ 24 مليار معامل إجمالية بينما يُوجّه كل توكن عبر ملياري معامل نشط فقط. تحتفظ البنية بـ 40 طبقة، و64 خبيراً في كل كتلة MoE مع توجيه بأفضل 4، وهجين من التحوطات القصيرة المغلقة والانتباه المجمّع.

تم توسيع نافذة السياق من 32 ألف إلى 131 ألف توكن، ومضاعفة قاموس المُرمّز إلى 128 ألف، مما يحسّن الدعم متعدد اللغات. بلغ التدريب المسبق حوالي 33 تريليون توكن، تبعه تدريب متوسط مركّز على الاستدلال والرياضيات والبرمجة والسياقات الطويلة، ثم خط أنابيب ما بعد التدريب بخمس مراحل يحول النموذج الأساسي إلى وكيل يستدعي الأدوات.

تُظهر المعايير أن LFM2.5‑24B‑A2B يضاهي أو يتفوق على نماذج MoE الأكبر مثل Qwen3.6‑35B‑A3B في مهام الوكلاء (LiveClaw 48.09 مقابل 38.19) مع تحقيق 184 توكن/ثانية على Apple M5 Max وما يصل إلى 21 ألف توكن إخراج/ثانية على وحدة NVIDIA B300 واحدة.

لماذا يهم هذا البنية التحتية لـ GPU / الذكاء الاصطناعي

نظراً لأن جزءاً صغيراً فقط من المعاملات نشط في كل خطوة استدلال، يقلل النموذج بشكل كبير من متطلبات عرض النطاق الترددي للذاكرة والحوسبة. هذا يجعل أعباء الوكلاء متعددة الخطوات المستمرة قابلة للتنفيذ على أجهزة الحافة، ويتيح لوحدات GPU في مراكز البيانات خدمة جلسات متزامنة أكثر، مما يخفض تكلفة الملكية الإجمالية للتطبيقات الأصلية للذكاء الاصطناعي.