Liquid AI · modèle de langage
LFM2.5-24B-A2B : prix, contexte et benchmarks
LFM2.5-24B-A2B est le modèle de Liquid AI sorti le 13 octobre 2026. Il coûte 0,05 $US par million de tokens en entrée et 0,7 $US en sortie, avec un contexte de 128 k tokens. Aucun score indépendant n'est publié pour lui à ce jour.
Ce qu'il faut savoir sur LFM2.5-24B-A2B
C'est Liquid AI, éditeur basé en États-Unis, qui a mis LFM2.5-24B-A2B en ligne le 13 octobre 2026. Il accepte du texte en entrée et produit du texte. Sa fenêtre de contexte atteint 128 000 tokens, plus que 19 % des modèles du registre, et il peut écrire jusqu'à 8 192 tokens d'une traite.
C'est un modèle récent : les retours d'usage et les scores indépendants sont encore peu nombreux.
Prix de LFM2.5-24B-A2B
Sur OpenRouter, LFM2.5-24B-A2B coûte 0,05 $US par million de tokens en entrée et 0,7 $US en sortie. En comptant trois tokens lus pour un token écrit, son prix moyen est de 0,213 $US par million, plus cher que 22 % des modèles payants (3,6 fois moins que la médiane de 0,76 $US).
Exemple concret : une tâche qui envoie 2 000 tokens (environ 1 500 mots) et reçoit 500 tokens de réponse coûte 0,0005 $US. À 1 000 tâches par jour, comptez 14 $US par mois. Le calculateur de prix refait ce calcul avec vos propres volumes.
Les tokens déjà envoyés et mis en cache sont facturés 0,025 $US par million.
Performance et benchmarks
Epoch AI ne publie pas encore d'indice de capacités pour LFM2.5-24B-A2B. Nous n'affichons donc aucune note de performance inventée : seuls le prix, le contexte et les fonctions entrent dans sa note.
Fonctions, confidentialité et usage local
- Il gère l'appel d'outils : il peut donc piloter un agent IA, appeler des API ou des serveurs MCP.
- Il sait répondre dans un format JSON imposé (sorties structurées).
- C'est un modèle de raisonnement : il « réfléchit » avant de répondre, ce qui améliore les tâches difficiles mais consomme plus de tokens de sortie.
Ses poids sont ouverts et téléchargeables sur Hugging Face (licence other) : vous pouvez le faire tourner sur vos propres machines, sans envoyer vos données à un tiers. Avec 23 971 585 280 milliards de paramètres, il demande environ 13 395 167 112 Go de mémoire en quantification 4 bits. Vérifier avec le calculateur VRAM. Il a été téléchargé 19 800 fois sur Hugging Face le mois dernier.
Les autres modèles de Liquid AI
| Modèle | Sortie | Prix moyen | ECI |
|---|---|---|---|
| LFM2.5-2.6B | 11 août 2026 | Gratuit | — |
Verdict
Note calculée : 68/100, à partir des données publiques (performance, prix, contexte, fonctions).
Points forts
- Prix bas : moins cher que 78 % des modèles payants.
- Poids ouverts : auto-hébergeable, données gardées chez vous.
- Prêt pour les agents : appel d'outils et sorties JSON structurées.
Limites
- Aucun score indépendant publié : performance non vérifiable.
- Texte seulement : ne lit ni images ni fichiers.
À éviter si…
- vous voulez l'héberger sur un seul ordinateur grand public (≈ 13 395 167 112 Go requis en 4 bits).
Alternatives
- 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
Comparatifs et outils
Comprendre
Questions fréquentes
Combien coûte LFM2.5-24B-A2B ?
0,05 $US par million de tokens en entrée et 0,7 $US en sortie sur OpenRouter (relevé du 25 octobre 2026). Une tâche de 2 000 tokens lus et 500 écrits revient à 0,0005 $US.
Quelle est la taille du contexte de LFM2.5-24B-A2B ?
128 000 tokens, soit environ 96 000 mots, avec 8 192 tokens maximum en sortie.
Peut-on utiliser LFM2.5-24B-A2B en local ?
Oui, ses poids sont publiés sous licence other. Comptez environ 13 395 167 112 Go de mémoire en 4 bits.
LFM2.5-24B-A2B convient-il pour un agent IA ?
Oui sur le plan technique : il gère l'appel d'outils et les sorties structurées. Vérifiez ensuite son coût pour votre volume.
Quelles alternatives à LFM2.5-24B-A2B ?
Les modèles les plus proches en prix et en performance sont GPT-4o-mini, GPT-4o-mini (2024-07-18) et Command R (08-2024).
Articles liés
- Mistral AI : modèles, prix et agents25 octobre 2026
- Benchmark LLM : comment lire les classements des modèles24 octobre 2026
- Faire tourner un LLM en local : matériel, logiciels et limites24 octobre 2026
- Modèles open source ou fermés pour vos agents ?5 octobre 2026
Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons