Technologie / MONDE

Liquid AI lance le modèle LFM2.5 de 24 milliards de paramètres

Selon l’entreprise, deux milliards de paramètres sont actifs par jeton; les résultats dépendent du matériel.

Illustration conceptuelle de la technologie, des processeurs et des informations connectées.Illustration
Illustration symbolique

Liquid AI a publié le 13 octobre LFM2.5-24B-A2B, un modèle de raisonnement à poids ouverts destiné aux agents locaux. Ce modèle à mélange d’experts compte 24 milliards de paramètres au total et en active deux milliards par jeton. Par rapport à son prédécesseur, Liquid AI indique que la fenêtre de contexte passe de 32 768 à 131 072 jetons, le vocabulaire de 65 000 à 128 000 et le préentraînement de 17 à 33 billions de jetons.

L’entreprise rapporte 184 jetons générés par seconde sur Apple M5 Max et plus de 21 000 jetons de sortie par seconde sur un seul NVIDIA B300. Ce dernier chiffre provient d’une charge soutenue à forte concurrence et ne représente pas le débit d’un utilisateur unique; les deux mesures viennent du dispositif de test de Liquid AI. Son tableau montre des résultats mitigés : le modèle devance ou égale les concurrents dans cinq tests d’usage d’outils sur huit, mais reste derrière des modèles plus grands sur certains tests de connaissances et de programmation.

Données

Chronologie

Résumé de l’annonce

Selon l’entreprise, deux milliards de paramètres sont actifs par jeton; les résultats dépendent du matériel.

  1. · Survenu

    Liquid AI lance le modèle LFM2.5 de 24 milliards de paramètres

    Selon l’entreprise, deux milliards de paramètres sont actifs par jeton; les résultats dépendent du matériel.

Méthodologie

Cette fiche résume l’annonce de la source sans ajouter de vérification indépendante ni généralisation.

Mis à jour:

TéléchargerCSV ↓JSON ↓
Couverture structurée

Sujets et lieux

Sujets proposés

Références géographiques

Seules les références géographiques présentes dans la source sont affichées. L’ouverture d’une carte externe est facultative. Les cartes facultatives utilisent OpenStreetMap. Leur ouverture transmet votre adresse IP et celle de ce site au fournisseur ; les coordonnées restent lisibles sans charger la carte.

  • États-Unis · Rôle du lieu: Couverture · Type de lieu: Pays ou territoire · Précision de localisation: Régionale
    Éléments probants
    • Explicit preserved editorial country/region; no city or national centroid inferredwww.liquid.ai ↗
Version de la taxonomie: IPTC Media Topics 2026-Q2

Poursuivre la lecture

Technologie

Microsoft annonce avoir achevé le préentraînement de MAI-Base-2

Microsoft AI a annoncé le 15 octobre avoir achevé le préentraînement de MAI-Base-2, un modèle à mélange d’experts de 2 800 milliards de paramètres, dont 80 milliards actifs. Selon l’entreprise, 16 000 GPU GB200 ont été utilisés pendant 38 jours en août et septembre ; le post-entraînement se poursuit.

Microsoft AI1 min de lecture
Données incluses
Technologie

AWS présente ses optimisations de noyaux MoE sur SageMaker

AWS a détaillé le 13 octobre ses optimisations de noyaux GPU pour les modèles à mélange d’experts sur SageMaker AI : permutation des opérandes matriciels, routage FP8 vers Triton et suppression de recompilations à la volée inutiles.

AWS Artificial Intelligence Blog1 min de lecture
Données incluses
Technologie

Meta publie les poids du modèle Muse Spark Open

Meta a publié les poids de Muse Spark Open, un modèle multimodal qu’elle décrit avec 816 milliards de paramètres au total et environ 42 milliards actifs par jeton.

Meta AI Research1 min de lecture
Données incluses