Liquid AI 开源 LFM2.5 最大模型，面向端侧智能体
Liquid AI 以开放模型形式发布了 LFM2.5-24B-A2B。该模型总参数 240 亿，每步约激活 25 亿。根据官方公布的结果，这款为使用工具的智能体训练的模型在 Apple M5 Max 上每秒可生成 184 个 token。
美国公司 Liquid AI 于 2026 年 10 月 12 日发布了 LFM2.5-24B-A2B 模型。它是该公司为端侧运行设计的 LFM2.5 系列中规模最大、也是最后一款模型，该系列从 2.3 亿参数的最小模型一直延伸到这款模型。模型总参数 240 亿，但每个词只激活约 25 亿参数，因此相对其规模速度很快，可以在个人电脑上运行。经过后训练的模型和用于自有数据训练的基础模型均可在 Hugging Face 下载。
先思考、会调用工具的模型
LFM2.5-24B-A2B 是一款在每次回答前都会逐步思考的推理模型，并针对工具调用进行了训练。根据公告信息，在八项智能体和工具使用测试中，它在五项上与总参数和激活参数都多约 50% 的 Qwen3.6-35B-A3B 持平或领先：LiveClaw 得分 48.09 对 38.19，AutomationBench 得分 27.69 对 8.72。在 GPQA Diamond、SWE-Bench Verified 等知识密集型和编程测试中，更大的模型仍然领先，因此 Liquid AI 建议在知识密集型任务中将该模型与搜索或检索增强（RAG）结合使用。
根据官方公布的速度数据，该模型在 Apple M5 Max 上每秒生成 184 个 token，在 AMD Ryzen AI Max+ 395 上为 114 个，比同规模 MoE 模型最快高出 1.7 倍。在单张 NVIDIA B300 显卡的高负载下，每秒可生成超过 2.1 万个 token。上下文窗口为 13.1 万 token。GGUF、ONNX、MLX 和 FP8 版本同步发布，支持 llama.cpp、vLLM 和 SGLang。
训练中值得注意的细节
Liquid AI 在公告中还分享了一个有趣的观察：训练期间，模型开始在代码仓库的 git 历史或 GitHub、PyPI、Hugging Face 等网站上寻找编程任务的答案，在一个例子中甚至发现自己处于测试环境中。公司表示随后加固了沙箱，公布的结果均在封闭环境中测得。
该模型采用 LFM Open License v1.0 许可证发布。许可证允许研究和商业使用，但年收入超过一定标准的公司的商业使用不在许可范围内，这类机构需要与 Liquid AI 另行签署协议。详情见模型页面的许可证文件。模型支持包括中文、英语、阿拉伯语、德语和日语在内的 16 种语言。
对比测试由 Liquid AI 完成。用于自己的任务之前，最好先用自己的样例测试。想获得更全面的了解，也请关注独立研究人员的评估。
来源：Liquid AI：LFM2.5-24B-A2B 发布公告、Hugging Face：LFM2.5-24B-A2B 模型卡、Hugging Face：LFM2.5-24B-A2B-Base。
