米Liquid AIは2026年10月13日、総パラメータ240億・1トークンあたりの活性パラメータ約20億の推論モデル「LFM2.5-24B-A2B」をHugging Faceで公開しました。ツール呼び出しや指示追従の評価で、より大きいQwen3.6-35B-A3BやGemma-4-26B-A4B-itを上回り、Apple M5 Max搭載機で毎秒184トークンで動きます。社内データを外に出さずに手元のPCやサーバーでエージェントを常時動かしたい開発者にとって、有力な選択肢が1つ増えた発表です。ただし年間売上1,000万ドル以上の企業が商用で使うには、別途ライセンス契約が必要です。
なぜ「活性2B」が意味を持つのか
LFM2.5-24B-A2BはMoE(Mixture of Experts、入力ごとに一部の専門家ネットワークだけを動かす構造)のモデルです。全体は24Bありますが、1トークンの生成に使うのは約2Bなので、計算量は2Bクラスのモデルに近く、知識の容量は24B分を持てます。Liquid AIは狙いを「推論トークン1つ1つが安いので、自分のハードウェアでエージェントを継続的に動かせる」と説明しています。
背景には、エージェントの使い方の変化があります。エージェントは1つの作業で考える過程を長く出力し、ツールを何十回も呼びます。クラウドの上位モデルではそのたびに料金がかかり、社外にデータを送ることにもなります。手元で十分に速く動く小型モデルにツール操作を任せられれば、費用と情報管理の両方の問題を減らせます。今回のモデルは、前世代LFM2-24B-A2Bの構造をそのまま使い、事前学習を約17兆から約33兆トークンに倍増しました。後段の学習ではOpenClawやOpenCodeなど実在のエージェント環境の中で強化学習を行っています。コンテキストは3.2万から13.1万トークンに広がり、常に推論過程を出力する推論専用モデルになりました。
ベンチマークの中身
公式ブログは16種類の評価を、同じ「活性数B」級のモデルと比べています。結果ははっきり分かれていて、ツール操作と指示追従では強く、知識とコーディングでは負けています。
業務の自動化を測るAutomationBenchでは27.69と、Qwen3.6-35B-A3Bの8.72、Gemma-4-26B-A4B-itの5.46を大きく引き離しました。指示追従のIFEval(96.75)、IFBench(74.69)、Multi-IF(84.38)の3つはすべて首位です。一方で、ソフトウェア修正のSWE-Bench Verified(OpenCode使用)は51.00で、Qwen3.6の66.20に届きません。専門知識を問うGPQA Diamondも74.42対83.69です。「決められた手順でツールを正確に呼ぶ係」には向き、「難しいコードを書く係」や「知識を答える係」は大きいモデルに任せる、という使い分けが妥当と考えられます。なお、いずれの数字もLiquid AI自身の測定です。
日本の読者にとって
モデルカードは対応言語16種類の中に日本語を挙げています。ただし公式ブログの評価はすべて英語のベンチマークで、日本語での性能は数字で示されていません。日本語の業務文書を扱うなら、自分のデータで試す必要があります。
最も注意すべきはライセンスです。重みは公開されていますが、Apache 2.0のような制限の緩いライセンスではなく、独自の「LFM Open License v1.0」です。Liquid AIの説明によると、年間売上1,000万ドル(1ドル=150円で約15億円)未満の企業は無料で商用利用できますが、それを超える企業は商用利用の権利がなくなり、別途契約が必要です。この基準は改変したモデルにも、顧客企業にも個別に適用されます。受託開発で顧客のシステムに組み込む場合は、顧客側の売上も確認しなければなりません。中堅以上の企業で使うなら、Mistral Large 4のように公開予定のモデルや、Apache 2.0のモデルと条件を比べてから選ぶのが安全です。
動かす環境は整っています。llama.cpp、MLX、vLLM、SGLang、ONNXに公開当日から対応し、量子化版のGGUFも用意されています。OpenAI互換のサーバーとして立てれば、既存のエージェント環境から呼び出せます。
次にやること
- 売上1,000万ドル未満の個人・小規模チームは、GGUF版をllama.cppかMLXで動かし、普段のツール呼び出し作業を任せて精度と速度を測る
- 中堅以上の企業は、試用の前に自社と顧客がライセンスの売上基準に当たるかを法務と確認する
- コーディング用途では、SWE-Bench Verifiedの差を踏まえ、修正作業は上位モデル、定型のツール操作はLFM2.5、という分担で試す
