LiquidAI: LFM2-24B-A2B
LiquidAI: LFM2-24B-A2B est un LLM de Liquid sorti le 25 février 2026, avec une fenêtre de contexte de 128 000 tokens. Son positionnement est d’abord économique: son tarif est indiqué 98% sous la moyenne des LLM similaires, avec un coût environ 161,1 fois inférieur à celui des modèles…
LiquidAI: LFM2-24B-A2B est un LLM de Liquid sorti le 25 février 2026, avec une fenêtre de contexte de 128 000 tokens. Son positionnement est d’abord économique: son tarif est indiqué 98% sous la moyenne des LLM similaires, avec un coût environ 161,1 fois inférieur à celui des modèles frontière.
La fiche s’appuie sur 2 sources de données concordantes. Les résultats Benchable montrent un profil contrasté: de bons scores bruts en Ethics (Baseline) et General Knowledge (Baseline), mais un classement global moins favorable sur plusieurs tâches spécialisées.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Liquid |
| Date de sortie | 25 février 2026 |
| Multimodal | non |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 98,0 % | 161ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 97,5 % | 152ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 88,0 % | 158ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 86,0 % | 241ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 71,0 % | 198ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 50,0 % | 188ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 38,0 % | 197ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : General Knowledge (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Together | 0,03 $ | 0,12 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 98 % en dessous de la moyenne des LLM similaires, et 161,1 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 1 min 04 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. LiquidAI: LFM2-24B-A2B affiche ses meilleurs résultats sur Ethics (Baseline) et General Knowledge (Baseline), deux catégories où ses scores bruts atteignent un niveau élevé. Hallucinations (Baseline) reste également son point relativement solide, avec un résultat supérieur à ses performances en raisonnement et en code. Sa fenêtre de contexte de 128 000 tokens constitue un atout concret pour traiter de longs documents, conserver davantage d’éléments dans une même requête et limiter les découpages côté application. Son principal avantage de marché reste toutefois le prix: l’entrée à 0,03 $ par million de tokens et la sortie à 0,12 $ par million placent le modèle dans une catégorie très économique.
Limites et points d'attention. Les classements Benchable situent LiquidAI: LFM2-24B-A2B plutôt en retrait malgré certains scores bruts élevés. Email Classification (Baseline) apparaît comme un point faible net dans le panel fourni, avec un rang très bas par rapport aux autres modèles évalués. Coding (Baseline) et Reasoning (Baseline) confirment un profil moins adapté aux tâches techniques ou aux enchaînements logiques exigeants. Le modèle paraît donc plus pertinent pour des usages sensibles au coût, à grand contexte et à connaissance générale, que pour du raisonnement avancé, du développement logiciel ou de la classification d’emails à forte exigence de précision.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).