Liquid AIのローカルエージェントには導入全体の予算が必要だ

分析｜2026年10月14日。

Liquid AIによる10月13日のLFM2.5-24B-A2B公開により、ローカルエージェントの調達が改めて検討課題となった。発表。判断すべきなのは、業務量、人員、事業規模が通常の範囲で変化しても、組織が複数の端末を継続運用できるかどうかだ。本稿では、モデルのダウンロードを調達の全体とみなすのではなく、導入後の使用期間を通じた「検収済みの業務成果一件」を評価単位として提案する。

容量は端末全体の問題

モデルカードは総数240億、稼働時24.5億のパラメーターを記載している。モデルカード。

明確に単純化した記憶容量の計算を考える。240億個の値をそれぞれ正確に4ビットで保存すると、120億バイト、十進表記で12 GBが必要になる。これは算術であり、実測のダウンロード容量でも、メモリ12 GBのパソコンでこのモデルが動くという主張でもない。実際の形式、補助データ、実行処理は別途測定する必要がある。

Hugging Faceの文書は、キャッシュのメモリ使用量が長いコンテキストの制約になると説明している。キャッシュの文書。そこで本稿が提案する検収記録では、正確なモデルパッケージと、代表的な作業中の端末全体の最大メモリ使用量を別々に記す。従業員の他のアプリを開き、会話が長くなり、複数の処理が資源を使う状態で測定する。他の仕事をしていない端末での単純なデモだけでは、この運用上の余裕を費用に織り込めない。

使用権限も費用モデルに入れる

Liquidのライセンスは、商用利用を年間売上高1,000万米ドルの基準と結び付けている。ライセンスと条項。

調達上の問いは、組織が変わると導入予算がどう変わるかだ。誰が適用資格を確認し、該当する契約を記録し、別の条件が必要になった場合に見積もりを取得するのか。モデルが業務上の依存先になる前に答えを用意したい。これは調達管理の提案であり、特定の組織の資格に関する法的解釈ではない。

意味のある比較には、条件を具体化したローカル構成と、同様に具体化したホステッド構成が必要だ。どちらも対象業務、サポート責任、想定使用期間を定めなければならない。不明な商用条件は未確定の費目として残すべきだ。ゼロと置けば、証拠が許す以上に精密な比較に見えてしまう。

完了した仕事を数え、時間の内訳を説明する

本稿では、読み込み、要求の読解、出力生成、ツール待機、結果確認に時間を分けることを提案する。各部分とともに、業務全体の所要時間も記録する。生成が速くても確認が長引けば、利用者の便益は小さいかもしれない。オフラインの試験では完了しても、通常の業務では外部サービスを呼び出すなら、モデルの実行場所と業務データの流れは別項目にする。

仮定の例で分母の重要性を考えよう。同じ期間のハードウェア支出が20%減る一方、検収済み業務の件数が30%減るとする。一件当たりのハードウェア費用は0.8を0.7で割った値となり、基準の約1.14倍、約14%増になる。これは説明用の仮定で、Liquid AIの性能測定結果ではない。人員の時間やその他の費用も含めていない。

次に必要な証拠

説得力のある導入案には、バージョン付きモデルパッケージ、代表的な長時間セッションのメモリ記録、ライセンスの適用確認、業務単位の費用比較を添えたい。未検証の端末や業務も明示する必要がある。本稿ではこのモデルの独立した性能試験や商用契約の価格確認は行っていない。分析上の結論は限定的だ。技術上の容量、使用権限、検収済み成果が同じ運用計画に収まって初めて、ローカル導入は評価可能な経済的選択肢になる。