Liquid AI24B (2.45B active)~15 GB VRAM przy Q4_K_M

LFM2.5-24B-A2B — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 15 października 2026

The largest and last LFM2.5 model: 24.0B parameters with 2.45B active per token, 40 layers of which only 10 use grouped-query attention (the other 30 are short convolutions that cache nothing), 64 experts with top-4 routing. A pure reasoning model that always thinks before answering, built for on-device agents and tool use. Text only, 131,072-token context, 16 languages including Polish and Chinese. Liquid ships official GGUF, MLX, ONNX and FP8 builds; the Q4_K_M file is 14.5 GB.

LFM2.5-24B-A2B potrzebuje około 15 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	8.8 GB	~292 tok/s	Mieści się
Q3_K_M 3.41 bpw	11.2 GB	~267 tok/s	Mieści się
Q4_K_M 4.83 bpw	15.5 GB	~232 tok/s	Mieści się
Q5_K_M 5.67 bpw	18 GB	~215 tok/s	Mieści się
Q6_K 6.56 bpw	20.7 GB	~199 tok/s	Mieści się
Q8_0 8.50 bpw	26.5 GB	~26 tok/s	Częściowo w RAM
F16 16.00 bpw	48.9 GB	~17 tok/s	Częściowo w RAM

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla LFM2.5-24B-A2B →

Uruchom LFM2.5-24B-A2B

Najtańsze GPU z naszego katalogu, które uruchomi LFM2.5-24B-A2B, to AMD Radeon RX 7900 XT (20 GB).

Kup ten sprzęt AMD Radeon RX 7900 XT 20GB — 20 GB VRAM · 315 W board power Uruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.

AMD Radeon RX 7900 XT 20GB

20 GB VRAM · 315 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić LFM2.5-24B-A2B

Zainstaluj Ollama, a potem uruchom:

$ollama run lfm2.5:24b

Wagi na Hugging Face: LiquidAI/LFM2.5-24B-A2B-GGUF ↗

Specyfikacja

Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.

Parametry: 24.0 Billion (2.45B active)
Okno kontekstu: 131,072
Architektura: Hybrid short convolution + GQA MoE (64 experts, top-4)
Dostawca: Liquid AI
Licencja: LFM Open License v1.0
Availability: Weights downloadable
Practical deployment: Single consumer GPU
Określono przy: Q4_K_M
RAM systemowy: 32 GB
Rekord zaktualizowany: 2026-10-15
Runs with: llama.cpp: supported source Ollama: supported source LM Studio: supported source MLX: supported source vLLM: supported source SGLang: supported source

LicencjaLFM Open License v1.0Użycie komercyjne dozwolone

Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.

Commercial use is licensed only below $10M annual revenue; above that, a separate agreement.

Ograniczenia i zastrzeżenia

Always reasons before answering; there is no non-thinking mode.
Text only.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doagentstool callingreasoningmultilingualon device

Czy uruchomię LFM2.5-24B-A2B na moim GPU?

Inne rozmiary LFM2.5

LFM2.5-24B-A2B — najczęściej zadawane pytania

How much VRAM does LFM2.5-24B-A2B need?

About 15 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does LFM2.5-24B-A2B run on an RTX 4090 (24 GB)?

Yes. LFM2.5-24B-A2B needs about 15 GB at Q4_K_M, inside a 24 GB card, at an estimated 232 tokens/sec.

How do I run LFM2.5-24B-A2B locally?

Install Ollama and run `ollama run lfm2.5:24b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does LFM2.5 come in?

LFM2.5 2.6B (2 GB), LFM2.5-8B-A1B (6 GB), LFM2.5-24B-A2B (15 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.