Liquid AI lancia LFM2.5-24B-A2B: modello agentico locale

👁 113 letture

Liquid AI ha pubblicato il 5 agosto 2025 su Hugging Face il modello LFM2.5-24B-A2B: un’architettura progettata per agenti AI veloci e privati da eseguire direttamente sul dispositivo finale. Si tratta di uno dei pochi modelli di questa categoria capace di unire un elevato numero nominale di parametri a costi di attivazione estremamente contenuti.

24 miliardi sulla carta, 2 miliardi nella pratica

I numeri nella denominazione non sono casuali. LFM2.5-24B-A2B dispone di 24 miliardi di parametri complessivi, ma il meccanismo Mixture of Experts (MoE) fa sì che a ogni inferenza ne vengano attivati soltanto 2 miliardi. Questo approccio, già noto in modelli come Mixtral di Mistral o Google Gemini, viene qui impiegato da Liquid AI per un obiettivo finora poco prioritario: eseguire agenti in locale, svincolati dall’infrastruttura cloud.

In termini pratici, il modello può girare su hardware consumer o dispositivi edge computing senza la necessità di appoggiarsi a un data center. Uno spazio attivo di 2B parametri si traduce in requisiti di memoria e calcolo paragonabili a quelli di modelli compatti da 2-3B, offrendo però una rappresentazione della conoscenza ben più ricca, custodita nell’insieme dei 24 miliardi di parametri e richiamata a seconda del contesto del prompt.

Per gli sviluppatori di sistemi agentici si tratta di un cambiamento qualitativo rilevante. Un tipico agente AI effettua decine o centinaia di passaggi per ogni singolo task dell’utente: analizza lo stato, pianifica le azioni, richiama tool e valida i risultati. Nel cloud ciascuna di queste chiamate comporta latenze nell’ordine di centinaia di millisecondi e continui trasferimenti di dati in rete. Un modello on-device riduce drasticamente questo ciclo ed elimina l’invio di dati all’esterno.

Privacy come scelta architetturale

Liquid AI posiziona LFM2.5-24B-A2B come una soluzione per scenari in cui la riservatezza è un requisito fondamentale. Il segmento dei modelli on-device è spinto da due fattori convergenti: i quadri normativi europei (GDPR, standard di conformità nei servizi finanziari e sanitari) e la crescente reticenza degli utenti nell’inviare dati sensibili a server di terze parti.

Nel contesto europeo questo profilo è cruciale. Le realtà che integrano soluzioni AI in ambiti legali, medici o di gestione delle risorse umane si trovano spesso davanti a un bivio: affidarsi a grandi modelli cloud accettando rischi di conformità al GDPR, oppure ricorrere a modelli locali meno capaci. LFM2.5-24B-A2B punta a una terza via: un’architettura abbastanza solida da risultare utile e abbastanza contenuta da girare in locale.

Non mancano altri tentativi in questa direzione. Apple Intelligence si basa su una logica analoga, privilegiando l’elaborazione locale e passando al cloud solo per i compiti più complessi. Microsoft sperimenta con i modelli Phi sui portatili Copilot+, mentre Qualcomm e NVIDIA mettono a disposizione SDK dedicati all’inferenza on-device. Liquid AI si inserisce in questo segmento con un modello che, stando alla documentazione ufficiale, non mira a generici benchmark, bensì al supporto specifico dei task agentici a più passaggi.

LFM: un’architettura diversa dai Transformer

È utile ricordare la natura della famiglia LFM (Liquid Foundation Models). Fondata da ricercatori del MIT, Liquid AI sviluppa sistemi basati sulle cosiddette Liquid Neural Networks, reti ispirate alla dinamica dei sistemi biologici in cui i parametri variano in funzione del dato in ingresso. Un’impostazione concettualmente differente rispetto ai classici Transformer alla base di GPT, Claude, Gemini o Llama.

Le precedenti versioni dei modelli LFM hanno mostrato un’efficacia notevole nella gestione di contesti lunghi e nell’elaborazione sequenziale dei dati, due requisiti chiave per un agente AI impegnato in task a più fasi. La scheda del modello su Hugging Face descrive LFM2.5-24B-A2B come un’ulteriore evoluzione, arricchita dalla struttura MoE per ampliare il bagaglio di conoscenze contenendo i costi di inferenza.

LFM2.5 evolve la precedente generazione LFM2: la società prosegue l’iterazione delle sue architetture, mantenendo una dimensione contenuta rispetto a realtà come OpenAI, Anthropic o Mistral. L’attenzione riscontrata su Hugging Face, con oltre 2,91 mila preferenze e 351 download nei primi giorni dal rilascio, evidenzia l’interesse della comunità open source per questi sviluppi.

L’impatto per chi sviluppa applicazioni AI

Il debutto di LFM2.5-24B-A2B si inserisce nel consolidamento della tendenza alla decentralizzazione dell’inferenza tra il 2024 e il 2025. Dopo anni incentrati sull’ingrandimento dei modelli in cloud, diversi player tecnologici convergono verso un paradigma ibrido: il cloud per l’addestramento e i compiti rari e complessi, modelli leggeri e dedicati sul dispositivo per le operazioni continuative degli agenti.

Per gli sviluppatori e le imprese che creano prodotti AI, questo offre un’opzione pratica: anziché dipendere interamente dalle API di un singolo fornitore e sostenerne i costi ricorrenti, è possibile integrare un modello locale come livello base. LFM2.5-24B-A2B è scaricabile da Hugging Face, consentendo l’esecuzione dei pesi sulla propria infrastruttura senza tariffe a token, tetti di utilizzo o dipendenza dai cambi di policy dei provider cloud.

Resta da verificare come LFM2.5-24B-A2B si collocherà nei benchmark agentici standardizzati a confronto diretto con alternative quali Mistral Small, Phi-3.5, Gemma o Qwen. Liquid AI non ha ancora rilasciato un quadro completo di test comparativi, elemento con cui il mercato valuta regolarmente le prestazioni dichiarate per i modelli on-device.

Saranno questi dati comparativi a chiarire se LFM2.5-24B-A2B troverà un’adozione diffusa o se rimarrà un’opzione d’interesse per gli sviluppatori legati alle architetture alternative.

// continua a leggereAlternative a GPT-6 Sol: modelli ordinati per prezzoNotizieMeta lancia Muse Charm, un ciondolo AI da portare al portachiaviNotizieNewsom firma un ordine esecutivo sull’IA con un possibile ‘kill switch’ per i modelli avanzatiNotizie

Kinetyra