LFM2.5-24B-A2B se presenta para agentes privados en el dispositivo
🎧 Escucha esta noticia
LFM2.5-24B-A2B se presenta como un modelo de razonamiento para agentes que funcionan en el propio dispositivo, llaman a herramientas y ejecutan tareas de varios pasos. Aunque tiene 24.000 millones de parámetros, solo 2.000 millones están activos por token, lo que reduce el costo de cada etapa de razonamiento. El material informa una velocidad de 184 tokens por segundo en un Apple M5 Max y de hasta 21K tokens de salida por segundo en una sola GPU NVIDIA B300.
En evaluaciones con 16 benchmarks, el modelo obtuvo 48,09 en LiveClaw, frente a 38,19 de Qwen3.6-35B-A3B, y lideró o empató en cinco de las ocho pruebas de uso de herramientas y agentes. También lideró los tres benchmarks de seguimiento de instrucciones, aunque los modelos más grandes fueron mejores en tareas de conocimiento y programación. El modelo conserva una arquitectura de mezcla de expertos, una ventana de contexto ampliada y un tokenizador con un vocabulario mayor para mejorar la tokenización de textos no latinos.
Por qué importa · interpretación editorial
El modelo fue presentado para agentes privados que se ejecutan en el dispositivo, usan herramientas y realizan tareas de varios pasos. Su arquitectura activa solo 2.000 millones de sus 24.000 millones de parámetros por token, lo que podría reducir el costo de cada paso de razonamiento, aunque las evaluaciones apuntan a ventajas mayores en el uso de herramientas y el seguimiento de instrucciones que en conocimiento y programación.
Fuentes
AgentesInvestigación