Flash informativo de Beating AI de 动察: Liquid AI, empresa pionera en I+D de IA ejecutada en dispositivos, ha lanzado LFM2.5-24B-A2B, centrado en mejorar el razonamiento local de agentes y su capacidad para llamar herramientas. La generación anterior, LFM2-24B-A2B, hacía hincapié principalmente en la eficiencia de ejecución. La nueva versión conserva el diseño de 24.000 millones de parámetros en total, de los cuales solo se activan unos 2.000 millones por inferencia, pero los datos de preentrenamiento han aumentado de 17 a 33 billones de tokens y la ventana de contexto se ha ampliado de 32K a 131K. El nuevo modelo razona antes de responder y se entrena directamente mediante aprendizaje por refuerzo en marcos de agentes como OpenClaw, Hermes Agent, Pi y OpenCode, donde practica llamadas continuas a herramientas, procesa los resultados obtenidos y completa tareas de varios pasos. En una demostración oficial, un único MacBook, sin recurrir a las API de modelos en la nube, pudo hacer que Hermes Agent buscara proyectos populares en Hugging Face, preparara un informe y siguiera trabajando a partir de preguntas de seguimiento. Las pruebas oficiales muestran que el nuevo modelo puede generar 184 tokens por segundo en un Apple M5 Max, alcanzando hasta 1,7 veces la velocidad de modelos MoE comparables. En las pruebas de agentes obtuvo 48,09 en LiveClaw, por encima de los 38,19 de Qwen3.6-35B-A3B; en AutomationBench obtuvo 27,69, más de tres veces la puntuación de Qwen. Sin embargo, en la prueba de programación SWE-bench Verified solo alcanzó el 51 %, por debajo del 66,2 % de Qwen.