En este artículo
Un agente no responde una vez: piensa, llama una herramienta, lee el resultado, corrige y vuelve a intentar. Si cada iteración cuesta un turno completo de un modelo grande, el presupuesto se va en el proceso, no en la respuesta. LFM2.5-24B-A2B propone un atajo: un modelo de 24B parámetros que solo activa 2B por token.
Qué es LFM2.5
LFM2.5-24B-A2B es un modelo de razonamiento de Liquid AI con 24.000 millones de parámetros totales y 2.000 millones activos por token. Está diseñado para agentes que corren en el propio dispositivo: piensa antes de responder, llama herramientas y resuelve tareas de varios pasos dentro de harnesses conocidos.
La arquitectura es de mezcla de expertos. Eso significa que el modelo completo está en memoria, pero cada token solo pasa por una fracción de la red. El router decide qué expertos participan; el resto espera. Es la misma idea que usan otros MoE, aplicada a un tamaño que puede caber en una laptop o en una mini-PC.
“A 24B-parameter reasoning model with just 2B active parameters, built for fast, private agents on-device.” — Blog de Liquid AI, 13-oct-2026.
Activos vs residentes
La confusión más común es creer que “2B activos” significa “2B de RAM”. No. El archivo del modelo contiene los 24B parámetros; todos los expertos tienen que estar disponibles para que el router pueda elegirlos. Lo que baja es el cómputo por token, no el espacio que ocupa el modelo.
La distinción importa porque separa dos cuellos de botella distintos. La memoria decide si el modelo cabe. El cómputo por token decide a qué velocidad responde y cuántas iteraciones puedes permitirte. Un modelo puede caber y ser lento; otro puede ser rápido y no caber.
Por qué importa en agentes
Un agente típico no hace una llamada: hace diez, veinte o cincuenta. Cada una incluye el historial, las herramientas disponibles y el resultado de la anterior. El costo por token se multiplica por el número de iteraciones, y la latencia se acumula. En ese contexto, un modelo que active 2B por token puede ser más útil que uno más grande que responda mejor en un solo turno.
También cambia la economía del error. Si una iteración es barata, el agente puede permitirse explorar, descartar y volver a intentar. Si es cara, el diseñador tiende a recortar pasos y a confiar en la primera respuesta. La calidad final no depende solo del modelo: depende de cuántas veces puede permitirse dudar.
La comparación con el rival de 35B
Liquid AI compara LFM2.5 con un MoE rival de 35B totales y 3B activos en tareas agénticas, y publica benchmarks de velocidad en CPU y GPU. La comparación es relevante porque el rival pertenece a la misma familia de compromisos: muchos parámetros residentes, pocos activos por token. La diferencia de tamaño residente es real, pero no es una paliza: ambos pertenecen a la misma familia de compromisos.
| Modelo | Parámetros totales | Activos por token | Qué decide |
|---|---|---|---|
| LFM2.5-24B-A2B | 24B | 2B | Memoria y cómputo |
| MoE rival 35B-A3B | 35B | 3B | Memoria y cómputo |
| Denso 24B | 24B | 24B | Cómputo completo por token |
Lo que no se puede concluir de la tabla es superioridad general. Los números de velocidad son del vendor y las tareas agénticas son un recorte, no el universo. Un modelo puede ganar en tool calling y perder en razonamiento largo, o al revés. La comparación útil es la que haces con tu propio harness y tus propias herramientas.
Cómo medirlo en tu hardware
Antes de elegir, mide tres cosas. Primero, el pico de memoria al cargar el modelo con el contexto que realmente usas, no con el máximo teórico. Segundo, la latencia del primer token y la velocidad sostenida en una sesión de veinte iteraciones. Tercero, la tasa de éxito de la tarea completa: no cuántas veces responde bien, sino cuántas veces termina.
Un benchmark de un turno esconde el costo real. Un agente pasa la mayor parte del tiempo esperando herramientas, releyendo resultados y reconstruyendo el contexto. Si mides solo la generación, optimizas la parte equivocada. Mide el ciclo completo, incluyendo el tiempo de las herramientas y el número de reintentos.
El contexto es la variable que más cambia la cuenta. Un modelo de 24B puede caber con 4.000 tokens de contexto y no con 32.000, porque la caché KV crece con cada capa y cada token. Mide con el contexto que usas en producción, no con el mínimo. Si tu agente reconstruye el historial en cada iteración, el pico llegará en la iteración 15, no en la primera. Ese es el número que decide si el modelo es viable.
Los límites de la promesa
LFM2.5 no elimina el costo de memoria ni garantiza que 2B activos sean suficientes para cualquier tarea. En razonamiento profundo, código complejo o contextos muy largos, un modelo más grande puede seguir siendo la mejor opción. La promesa es de eficiencia, no de magia.
Tampoco hay una medición independiente en hardware de consumo al cierre de esta nota. Lo que existe es el reporte del vendor y sus gráficas. Eso no invalida el diseño, pero sí obliga a etiquetar la comparación como promesa a verificar. La duda razonable no es “¿funciona?”, sino “¿funciona en mi máquina, con mi contexto y mis herramientas?”. La diferencia importa.
Para seguir leyendo
El blog de LFM2.5 tiene las tablas completas de velocidad y la descripción de la arquitectura; la organización de Liquid AI en Hugging Face publica el resto de la familia. Si vienes del lado de la memoria, nuestra guía de Mellum 2.1 en 12 GB muestra el otro extremo: un modelo de código que cabe con letra pequeña. Para entender el marco general del 2-bit, revisa el mapa de octubre de 2026. Y para la latencia de un agente, la guía de speculative decoding y MTP.
Preguntas frecuentes
¿2B activos significa que necesita 2B de RAM?
No. El modelo completo, con todos sus expertos, debe residir en memoria. Los 2B activos describen cuánto se computa por token, no cuánto ocupa el archivo.
¿LFM2.5 es mejor que el MoE rival de 35B?
Depende de la tarea y del hardware. El vendor publica una comparación favorable en tareas agénticas y velocidad; no hay una medición independiente que permita afirmar superioridad general.
¿Puedo correrlo en una laptop?
Depende de la memoria disponible y del contexto. Es un modelo de 24B totales: el requisito real es el tamaño residente, no el número de activos.
El conocimiento verdadero trasciende a lo público 🌀
Continúa explorando Inteligencia Artificial con piezas relacionadas y evidencia adicional.
Ver relacionados
