Liquid AI rilis model MoE open 8B untuk laptop dan ponsel

Liquid AI merilis LFM2.5-8B-A1B, model mixture-of-experts open-weight yang dirancang untuk agent on-device. Label "A1B" berarti 1 miliar parameter aktif saat inference dari total 8 miliar, yang memungkinkan model jalan di laptop konsumen dan ponsel dengan kecepatan layak tanpa kehilangan kapasitas model yang lebih besar. Pretraining naik dari 12 triliun token di generasi sebelumnya menjadi 38 triliun token, ditambah beberapa fase RL untuk instruction following, pengurangan halusinasi, dan apa yang tim sebut sebagai "reasoning loop prevention."

Benchmark yang ditonjolkan Liquid lebih fokus ke kapabilitas agentic ketimbang polesan chat. Model mencetak 91,84 di IFEval, 88,76 di MATH500, dan 88,07 di Tau² Telecom; di benchmark agentic itu, LFM2.5 unggul tipis dari beberapa model closed yang lebih besar. Dari sisi arsitektur, model menggabungkan grouped-query attention dengan gated short convolutions; context window naik ke 128K dan vocabulary digandakan ke 128 ribu token untuk cakupan multilingual yang lebih luas.

Ini segmen open model yang sudah setahun belakangan dikejar Apple, Microsoft, dan Alibaba. Argumen Liquid sederhana: MoE yang hanya memuat sebagian bobotnya per token adalah cara paling rapi menyelipkan tool calling yang berguna ke dalam budget memori dan baterai sebuah ponsel; pretraining 38T mengisyaratkan mereka serius mengejar klaim itu.

Kenapa ini penting

Kalau kamu membangun agent atau asisten lokal, ini sekarang salah satu kandidat open paling kuat untuk tier laptop dan ponsel. Angka benchmark-nya menyoroti tool calling secara spesifik, yaitu use case yang menentukan hidup-mati agent on-device. Uji dulu di skema tool sungguhanmu sebelum berasumsi leaderboard berlaku untuk workload-mu.