La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le monde de l'intelligence artificielle a récemment été secoué par une performance inattendue : un modèle de Liquid AI, le LFM2.5–8B-A1B, a surpassé le modèle Gemma 4 26B de Google, pourtant bien plus volumineux. Ce modèle de Liquid AI, qui n'active que 1,5 milliard de paramètres, a été capable de fonctionner sur un simple ordinateur portable tout en obtenant un score impressionnant de 88,07 sur le benchmark Tau²-Telecom. En comparaison, le modèle de Google, avec ses 26 milliards de paramètres, n'a atteint que 42,11, soit un écart de 46 points.
L'architecture novatrice de Liquid AI
Le modèle de Liquid AI repose sur une architecture MoE (Mixture of Experts) de 8 milliards de paramètres, optimisée pour l'utilisation d'outils en plusieurs étapes. Cette approche est particulièrement adaptée aux tâches sensibles à la vie privée et nécessite une abstention fiable, plutôt que de se concentrer uniquement sur des classements généraux. L'architecture LFM2.5–8B-A1B se distingue par l'utilisation de couches de convolution à courte portée et à portes, préférées à l'attention, ce qui améliore le raisonnement des outils et agents sans alourdir le coût d'inférence sur des matériels périphériques.
Des résultats probants
Les benchmarks montrent que le modèle LFM2.5–8B-A1B offre des gains significatifs par rapport à la génération précédente LFM2. Il surpasse également le Gemma 4 26B sur le benchmark Tau²-Telecom, notamment en réduisant les hallucinations et les incertitudes. Ces résultats soulignent l'efficacité du modèle de Liquid AI dans des contextes où la précision et la fiabilité sont cruciales.
Déploiement et limitations
En termes de déploiement, le modèle utilise des technologies telles que vLLM, Transformers, et llama.cpp/quantized GGUF sur CPU. Bien qu'il excelle dans le dispatch d'outils agentiques, il montre des faiblesses dans la programmation et les tâches nécessitant une vaste base de connaissances. L'article conseille de privilégier ce modèle pour des appels d'outils privés sur appareil, tout en optant pour d'autres solutions pour des besoins plus larges en codage ou récupération d'informations.
En conclusion, Liquid AI a conçu un modèle qui agit comme un "scalpel" pour les agents, offrant une alternative spécialisée et efficace aux "couteaux suisses" des modèles plus généralistes. Ce modèle a été publié le 28 mai 2026, marquant un tournant dans l'efficacité des modèles d'IA sur des appareils moins puissants.
