Liquid AI sfida Qwen negli agenti locali, ma nel coding resta indietro
LFM2.5-24B-A2B combina velocità e buoni risultati nell’uso degli strumenti; il confronto con Qwen, Gemma e Nemotron mostra anche dove perde.
Che succede
Per un agente che gira sul proprio computer, saper usare bene gli strumenti e rispondere rapidamente è una combinazione preziosa. Liquid AI prova a centrarla con LFM2.5-24B-A2B, un modello a pesi scaricabili uscito il 13 ottobre: 24 miliardi di parametri complessivi, di cui circa 2,45 miliardi attivi per token.
Nella valutazione pubblicata da Liquid, LiveClaw gli assegna 48,09 punti, contro 38,19 di Qwen3.6-35B-A3B, 41,25 di Gemma 4 e 37,72 di Nemotron 3.5 Lightning. Su ToolSandbox arriva a 80,71 contro 75,02 di Qwen. Nel coding, però, il vantaggio si rovescia: su SWE-bench Verified, con OpenCode, Liquid ottiene 51 contro 66,2 di Qwen.
Liquid misura anche 184 token al secondo su Apple M5 Max e distribuisce versioni per llama.cpp e MLX. Il modello richiede memoria per tutti i suoi pesi, anche se ne usa solo una parte a ogni passaggio. Il motivo per seguirlo è questo equilibrio fra velocità e strumenti, soprattutto per chi vuole tenere il modello in locale.
Perché conta
Un concorrente credibile per gli agenti locali, con un confronto che aiuta a scegliere: promettente negli strumenti, meno convincente quando il lavoro è correggere codice.
Vuoi sapere di più su pillole come questa?
Nella stessa edizione
Immagini AI: White Circle trova filtri più fragili nei nuovi modelli
Liquid AI sfida Qwen negli agenti locali, ma nel coding resta indietro
Gemini 4 Argon è disponibile: un nuovo modello da provare sui lavori difficili
Prossima Pillola