# LFM2.5 24B-A2B face à Qwen3.6 35B-A3B : banc d'essai sur un DGX Spark > Liquid AI dit son nouveau LFM2.5 24B-A2B plus rapide que le Qwen3.6 35B-A3B que nous servons. Sur un DGX Spark, c'est vrai sur llama.cpp, 105 tokens par seconde contre 65, mais sur vLLM, le moteur avec lequel nous servons, Qwen reste devant à 118 contre 96. À 4 bits, LFM2.5 programme aussi bien, suit mieux les consignes et appelle les outils de façon moins fiable. - Publié : 2026-10-19 - Auteur : Flavien Berwick - Catégorie : Recherche - Page web : https://carouter.ai/fr/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10 - En anglais : https://carouter.ai/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10.md - Traduit de l'anglais par une IA. ![Recherche : LFM2.5 24B-A2B face à Qwen3.6 35B-A3B, banc d'essai sur un DGX Spark. Une requête sur llama.cpp : 105 tokens par seconde contre 65. Une requête sur vLLM : 96 contre 118. Consignes suivies : 95 % contre 89 %. Les deux à 4 bits sur un NVIDIA DGX Spark.](https://carouter.ai/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10/illustration.png) Liquid AI a publié LFM2.5 24B-A2B le 13 octobre. Il compte 24 milliards de paramètres et en lit environ 2.4 milliards pour chaque token qu'il écrit. Liquid le compare à Qwen3.6 35B-A3B, le modèle derrière le point d'accès de programmation de CARouter Cloud, et le dit plus rapide et meilleur pour le travail d'agent. Nous avons mesuré les deux sur des GB10, la puce sur laquelle tourne CARouter Cloud, à 4 bits comme nous servons nos propres modèles, pour vérifier ces deux affirmations. [Le dernier modèle testé de cette façon : Kolibri-1 face à Qwen3.6 35B-A3B.](https://carouter.ai/fr/blog/kolibri-1-vs-qwen3-6-35b-a3b-on-a-gb10) ## En bref - **Vitesse, sur le moteur de Liquid.** Sur llama.cpp, où Liquid a mesuré ses propres chiffres, LFM2.5 écrit 105 tokens par seconde pour une requête et Qwen 65. L'affirmation de Liquid tient. - **Vitesse, sur le nôtre.** Sur vLLM, le moteur avec lequel CARouter Cloud sert ses modèles, Qwen reste devant : 118 contre 96 pour une requête, 486 contre 387 avec seize à la fois. - **Réponses.** LFM2.5 écrit environ 40 % de tokens de moins pour les mêmes réponses. Une réponse de programmation typique arrive en 33 secondes, contre 40, pour un utilisateur seul. - **Qualité.** À égalité en programmation, 30 problèmes sur 50 chacun. Meilleur pour suivre des consignes, 95 % contre 89 %. Moins bon pour appeler des outils, 70 % contre 81 %, et sur les questions scientifiques, 73 % contre 83 %. - **Mémoire.** LFM2.5 à 4 bits occupe 12.9 Gio de poids, contre 22.0 Gio pour Qwen. - **Notre décision.** CARouter Cloud garde Qwen3.6 35B-A3B. LFM2.5 lit deux fois moins de contexte, ne prend pas d'images, et appelle plusieurs outils à la fois de façon moins fiable. ## Deux moteurs, deux courses différentes llama.cpp est conçu pour faire tourner un modèle sur un ordinateur, pour une personne. vLLM est conçu pour servir beaucoup de personnes à la fois depuis une machine, et c'est ce que fait tourner CARouter Cloud. Qwen3.6 est aussi livré avec un petit assistant qui propose les quelques tokens suivants au modèle principal, qui les vérifie, ce qui le rend environ une fois et demie plus rapide sur vLLM. Liquid a annoncé un assistant de ce genre pour LFM2.5, pour un autre moteur, et ne l'a pas encore publié. ## Quel LFM2.5 nous avons fait tourner Liquid publie une version de LFM2.5 à 4 bits pour llama.cpp et une à 8 bits, en FP8, pour vLLM. Pour vLLM à 4 bits, le format dans lequel nous servons Qwen, nous avons pris deux versions produites par la communauté. Elles nous ont appris quelque chose sur ce modèle. Deux cinquièmes des paramètres que LFM2.5 utilise pour chaque token se trouvent hors de ses experts, les réseaux spécialisés que les versions à 4 bits compressent d'habitude. Une version ne compresse que les experts et écrit 58 tokens par seconde. L'autre compresse presque tout et en écrit 96. Même modèle, même moteur, 1.65 fois la vitesse. Compresser le reste n'a rien coûté de mesurable sur le code ou les consignes, et un peu de justesse sur les appels d'outils : 349 sur 500 contre 371. Dans la suite, LFM2.5 sur vLLM désigne la version la plus rapide, celle que nous servirions. ## Mémoire À 4 bits, les poids de LFM2.5 pèsent 9 Gio de moins que ceux de Qwen. Avec les mêmes 28 Gio réservés aux conversations, il retient 41.7 Gio en tout, contre 52.6 Gio. Par token de conversation, les deux coûtent à peu près la même chose. LFM2.5 loge plus de conversations dans cet espace seulement parce que chacune peut être deux fois plus courte : 131 072 tokens contre 262 144. ## Vitesse ![Une requête seule sur un GB10, tokens écrits par seconde. Sur llama.cpp en Q4_K_M, la configuration des chiffres de Liquid AI : LFM2.5 24B-A2B 105, Qwen3.6 35B-A3B 65. Sur vLLM à 4 bits, comme sert CARouter Cloud : LFM2.5 96, Qwen3.6 118.](https://carouter.ai/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10/01-one-request-two-engines.png) Sur llama.cpp, LFM2.5 est 1.6 fois plus rapide que Qwen et lit une requête 1.74 fois plus vite. Liquid annonce 114 contre 67 tokens par seconde sur un AMD Ryzen AI Max+ 395, une machine dont la mémoire est à peu près aussi rapide que celle du GB10. Nous avons trouvé le même écart. Sur vLLM, l'ordre s'inverse. Son assistant place Qwen de 20 % à 28 % devant, quelle que soit la charge. Sans son assistant, Qwen écrit 76 tokens par seconde seul sur cette même machine, moins que les 96 de LFM2.5. ![Tokens écrits par seconde sur un GB10, d'une à seize requêtes simultanées : Qwen3.6 35B-A3B sur vLLM de 118 à 486, LFM2.5 24B-A2B sur vLLM de 96 à 387, LFM2.5 sur llama.cpp de 105 à 250, LFM2.5 en FP8 sur vLLM de 54 à 173.](https://carouter.ai/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10/02-decode-by-streams.png) llama.cpp partage mal une machine. Avec seize requêtes à la fois, LFM2.5 y totalise 250 tokens par seconde, contre 387 sur vLLM. LFM2.5 lit aussi les requêtes plus vite sur vLLM : environ 9 900 tokens par seconde contre 6 500 pour Qwen. La version FP8 de Liquid a été la plus lente de toutes sur cette puce, à 54 tokens par seconde pour une requête seule. Les tokens par seconde ne disent pas tout, car LFM2.5 écrit moins. Pour les mêmes 50 problèmes de programmation, il a écrit 173 mille tokens et Qwen 291 mille. Une réponse typique a pris 33 secondes pour un utilisateur seul sur vLLM, contre 40 pour Qwen. ## Qualité ![Part de chaque test réussie, les deux modèles à 4 bits, LFM2.5 24B-A2B puis Qwen3.6 35B-A3B : programmation 60 % et 60 %, suivi de consignes 95 % et 89 %, appels d'outils 70 % et 81 %, questions scientifiques 73 % et 83 %, retrouver un fait dans un long texte 75 % et 100 %.](https://carouter.ai/blog/lfm2-5-24b-a2b-vs-qwen3-6-35b-a3b-on-a-gb10/03-five-tests.png) Nous utilisons les mêmes 50 problèmes BigCodeBench pour chaque modèle que nous évaluons : le modèle écrit une fonction Python, que l'on exécute ensuite contre des tests. Les deux en ont résolu 30, dont 26 identiques. IFEval propose 541 requêtes dont les consignes peuvent être vérifiées par un programme, comme un nombre de mots ou un format imposé. LFM2.5 a suivi toutes les consignes de 95 % d'entre elles, Qwen de 89 %. L'écart est trop grand pour être dû au hasard, et c'est celui qu'annonce Liquid. Pour les appels d'outils, c'est l'inverse. Sur 500 requêtes du banc d'essai d'appel de fonctions de Berkeley, LFM2.5 en a réussi 70 % et Qwen 81 %. Avec un appel par requête, LFM2.5 fait aussi bien. Quand une requête demande plusieurs appels à la fois, il n'en fait généralement qu'un, et il appelle plus souvent un outil quand aucun ne convient. Sur 198 questions scientifiques de niveau universitaire avancé (GPQA Diamond), LFM2.5 a répondu juste à 73 % et Qwen à 83 %. Le tableau de Liquid montre le même écart, et Liquid recommande d'associer le modèle à une recherche sur le web pour les questions de connaissances. C'est aussi le seul test où LFM2.5 a écrit plus que Qwen. Nous avons aussi caché une phrase, qui nomme le premier groupe à avoir joué sur la Lune, dans des documents de 16 000 à 100 000 tokens, puis nous l'avons redemandée. Qwen l'a retrouvée 12 fois sur 12, LFM2.5 9. Une fois, LFM2.5 a répondu The Beatles. Sa fenêtre s'arrête par ailleurs à 131 072 tokens, contre 262 144 pour Qwen : on ne peut pas du tout l'interroger sur des documents plus longs. ## Ce que nous ne pouvons pas vous dire - Comment LFM2.5 se comporte dans un agent. Liquid l'a entraîné dans OpenClaw, Hermes Agent, Pi et OpenCode, et nous n'avons fait tourner aucun d'eux. - Sa vitesse avec son assistant. Liquid ne l'a pas publié. - Ce qu'il donne dans les quinze autres langues pour lesquelles il a été entraîné. Nous n'avons testé que l'anglais. - Si un écart de quelques points sur nos plus petits tests est réel. Cinquante problèmes de programmation ne suffisent pas à classer deux modèles aussi proches. ## Ce que cela change pour CARouter Le GB10 de CARouter Cloud garde Qwen3.6 35B-A3B. Sur le moteur qui sert nos clients, LFM2.5 écrit moins vite mais écrit moins, programme aussi bien et suit mieux les consignes. Il lit aussi deux fois moins de contexte, ne prend pas d'images, appelle plusieurs outils à la fois de façon moins fiable, et sa licence n'autorise l'usage commercial qu'aux entreprises de moins de 10 millions de dollars américains de chiffre d'affaires annuel. Liquid l'a conçu pour une personne sur une machine, et là il fait ce que Liquid annonce : 105 tokens par seconde sur un GB10 avec llama.cpp, 1.6 fois Qwen. --- Autres articles : [Blog CARouter](https://carouter.ai/fr/blog.md). Ce qu'est CARouter et comment l'appeler : [llms.txt](https://carouter.ai/llms.txt).