Liquid AI · modelo de lenguaje
LFM2.5-24B-A2B: precio, contexto y benchmarks
LFM2.5-24B-A2B es el modelo de Liquid AI lanzado el 13 de octubre de 2026. Cuesta 0,05 US$ por millón de tokens de entrada y 0,7 US$ de salida, con un contexto de 128 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.
| Precio | 23/30 | |
|---|---|---|
| Contexto | 3/15 | |
| Funciones | 15/15 |
Lo que hay que saber de LFM2.5-24B-A2B
Liquid AI, con sede en Estados Unidos, puso LFM2.5-24B-A2B en línea el 13 de octubre de 2026. Acepta texto como entrada y produce texto. Su ventana de contexto alcanza 128.000 tokens, más que el 19 % de los modelos del registro, y puede escribir hasta 8192 tokens de una vez.
Es un modelo reciente: todavía hay pocas opiniones de uso y puntuaciones independientes.
Precio de LFM2.5-24B-A2B
En OpenRouter, LFM2.5-24B-A2B cuesta 0,05 US$ por millón de tokens de entrada y 0,7 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 0,213 US$ por millón, más caro que el 22 % de los modelos de pago (3,6 veces menos que la mediana de 0,76 US$).
Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,0005 US$. Con 1.000 tareas al día, cuente 14 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.
Los tokens ya enviados y en caché se facturan a 0,025 US$ por millón.
Rendimiento y benchmarks
Epoch AI aún no publica un índice de capacidades para LFM2.5-24B-A2B. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- Admite la llamada a herramientas: puede manejar un agente IA, llamar a API o a servidores MCP.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Es un modelo de razonamiento: «piensa» antes de responder, lo que ayuda en tareas difíciles pero consume más tokens de salida.
Sus pesos son abiertos y se pueden descargar en Hugging Face (licencia other): puede ejecutarlo en sus propias máquinas sin enviar sus datos a terceros. Con 23.971.585.280 mil millones de parámetros, necesita unos 13.395.167.112 GB de memoria en cuantización de 4 bits. Comprobar con la calculadora de VRAM. Se descargó 19.800 veces en Hugging Face el mes pasado.
Otros modelos de Liquid AI
| Modelo | Lanzamiento | Precio medio | ECI |
|---|---|---|---|
| LFM2.5-2.6B | 11 ago 2026 | Gratis | — |
Veredicto
Nota calculada: 68/100, a partir de datos públicos (rendimiento, precio, contexto, funciones).
Puntos fuertes
- Precio bajo: más barato que el 78 % de los modelos de pago.
- Pesos abiertos: autoalojable, sus datos se quedan con usted.
- Listo para agentes: llamada a herramientas y salidas JSON estructuradas.
Limitaciones
- Ninguna puntuación independiente publicada: rendimiento no verificable.
- Solo texto: no lee imágenes ni archivos.
Evítelo si…
- quiere alojarlo en un solo ordenador doméstico (≈ 13.395.167.112 GB necesarios en 4 bits).
Alternativas
- GPT-4o-mini0,26 US$
- GPT-4o-mini (2024-07-18)0,26 US$
- Command R (08-2024)0,26 US$
- Nemotron 3.5 Content Safety0,2 US$
- Qwen3 30B A3B0,22 US$
- Hunyuan A13B Instruct0,25 US$
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta LFM2.5-24B-A2B?
0,05 US$ por millón de tokens de entrada y 0,7 US$ de salida en OpenRouter (dato del 25 de octubre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,0005 US$.
¿Qué tamaño tiene el contexto de LFM2.5-24B-A2B?
128.000 tokens, unas 96.000 palabras, con un máximo de 8192 tokens de salida.
¿Se puede usar LFM2.5-24B-A2B en local?
Sí, sus pesos están publicados con licencia other. Cuente unos 13.395.167.112 GB de memoria en 4 bits.
¿Sirve LFM2.5-24B-A2B para un agente IA?
Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.
¿Qué alternativas hay a LFM2.5-24B-A2B?
Los modelos más cercanos en precio y rendimiento son GPT-4o-mini, GPT-4o-mini (2024-07-18) y Command R (08-2024).
Artículos relacionados
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
- ¿Modelos de código abierto o cerrados para sus agentes?5 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos