編集部の意見startupxo
O: 노트북에서 로컬 에이전트를 돌려 보려는 개발자가 Hugging Face에서 모델을 받아 원문의 로컬 에이전트 가이드대로 아침 브리핑 같은 짧은 작업을 직접 시험해 볼 만합니다.
X: 벤치마크는 Liquid AI가 정한 생성 조건과 자체 측정 장비에서 나온 발표 주체의 주장이라, 코딩 과제 SWE-Bench 점수가 Qwen3.6-35B-A3B보다 낮은 점을 함께 고려해야 합니다.
書く言語: 韓国語
기기 안에서 돌아가는 AI 에이전트용 240억 파라미터 모델 LFM2.5-24B-A2B가 공개됐다(liquid.ai)
書く言語: 韓国語翻訳を読む
要約 / 元記事を読む ↗
- 이 모델은 전체 240억 개 파라미터 가운데 한 번에 20억 개만 써서 답하는 추론 모델이다. 노트북 같은 개인 장비에서 도구를 호출하며 작업을 처리하도록 만들어졌고, 가중치는 Hugging Face에서 내려받을 수 있다.
- Liquid AI는 자사 발표에서 이 모델이 Qwen3.6-35B-A3B와 비교해 도구 사용 및 에이전트 벤치마크 8개 중 5개에서 경쟁하거나 앞선다고 밝혔다. 같은 표에서 코딩 벤치마크 SWE-Bench Verified 점수는 51.00으로 Qwen3.6-35B-A3B의 66.20보다 낮다.
- 애플 M5 Max에서 초당 184토큰 처리 속도와 최대 1.7배 빠르다는 수치는 Liquid AI가 자사 벤치마크 장비 Pipette으로 측정한 개발사 주장이다. 독립 검증 내용은 원문에 없다.
掲載元
Hacker News ↗ / おすすめ 37 / コメント 7
似たような経験はありますか？そのときどうしたか、一言二言で教えてください。製品に詳しくなくても大丈夫です。