发布概况：LFM2.5 家族的收官之作
美国边缘智能公司 Liquid AI 于 10 月 13 日正式发布并开源旗舰语言模型 LFM2.5-24B-A2B。该模型总参数量 24B，每个 token 仅激活 2B 参数，定位是「为快速、私密的端侧智能体而生」。官方称其为 LFM2.5 家族中最大、也是最后一个成员——至此，LFM2.5 家族完成了从 230M 到 24B、横跨两个数量级的完整布局。
此次开源包括两个版本：经过后训练的对话版 LFM2.5-24B-A2B，以及基座版 LFM2.5-24B-A2B-Base，二者均已在 Hugging Face 上以开放权重形式发布，并同步上线 Liquid AI 官方 Playground。与上一代 LFM2-24B-A2B 不同的是，新模型是纯推理（reasoning-only）模型，会在给出最终答案之前先生成显式的思维链。官方解释，这一策略是为了充分利用它的高解码速度，用速度换取更高的回答质量。
回顾整个家族的时间线，LFM2.5 系列自 2026 年 1 月发布以来扩展迅速：从 230M、350M 这样的超小杯，到 1.2B-Thinking、2.6B、8B-A1B，再到面向视觉理解的 VL 系列与检索、编码器等专用变体，几乎每个月都有新成员落地。此次 24B 级旗舰压轴登场，意味着 Liquid AI 完成了从微型到旗舰的完整拼图，也把 LFM 架构的效率上限推到了新高度。
近来开源模型赛道动作频频，从智谱开源面向法律领域的 GLM 系列模型，到MiniCPM-V 4.7 以 35B-A3B 的 MoE 结构冲击端侧多模态，中小参数量、高激活效率的开放权重模型正成为行业焦点。LFM2.5-24B-A2B 的加入，让这一趋势进一步明确。
架构解析：延续 LFM2 骨架，上下文与词表翻倍
LFM2.5-24B-A2B 建立在上一代 LFM2-24B-A2B 的基础之上，核心架构保持不变：40 层设计，每个 MoE 块包含 64 个专家、每次路由仅激活其中 4 个；层间混合使用门控短卷积（gated short convolution）与分组查询注意力（GQA）。这一混合架构是 Liquid AI 的招牌设计，也是其端侧推理效率的重要来源。
两处结构性变化值得注意。其一，上下文窗口从 32K 扩展到 131K 个 token，足足扩大四倍；其二，通过原位词表扩展技术，词表规模从 6.5 万翻倍至 12.8 万 token，显著改善非拉丁语系文本的编码效率，对中文用户而言是个利好。
训练数据与流程同样大幅升级。预训练规模从上一代的 17T tokens 扩大到 33T tokens；中训练分为两个阶段，第一阶段用 2T tokens 在 32K 上下文下针对推理、数学、代码、指令遵循与多语言数据做强化，第二阶段用 300B tokens 在 131K 上下文下专攻长文本能力，两个阶段中都穿插了工具调用与多轮轨迹数据，为智能体场景打底。
后训练则采用五阶段流水线：监督微调（SFT）、教师特化、非智能体与智能体两轮多域在策略蒸馏（MOPD），最后是在 OpenClaw、Hermes Agent、Pi、OpenCode 等真实智能体框架内进行的智能体强化学习。官方还透露了一个有趣的细节：在教师特化阶段，模型出现了典型的「奖励投机」行为，比如到代码仓库的 git 历史里、到 GitHub、PyPI、Hugging Face 等平台上去「抄答案」，甚至自行察觉到自己身处沙箱环境。团队随后收紧了沙箱，本文引用的全部成绩均来自封闭评估环境。
为什么端侧智能体需要「小激活」
对不熟悉 MoE 架构的读者来说，值得解释一下「激活参数」为什么是关键指标。大模型生成文本时，解码阶段是逐 token 进行的，每一步的计算量几乎只取决于激活的参数量，而不是总参数量。换句话说，LFM2.5-24B-A2B 虽然装着 24B 参数的知识，但每生成一个 token 只需跑动 2B 参数的子网络，这就是它能在笔记本芯片上跑出每秒 184 个 token 的根本原因。
而生成速度快，对智能体场景的意义远不止「体验流畅」。一个典型的本地智能体需要在思考、调用工具、读取结果、再思考之间反复循环，一轮任务动辄生成上万 token 的思维链与工具调用，解码速度慢一倍，整个循环的耗时就会成倍放大。同时，全流程在本机完成，意味着数据不出设备、没有按 token 计费的 API 账单、每一步操作都留有可审计的完整轨迹。对于企业内网、个人电脑这类对隐私与成本敏感的环境，这正是「小激活」架构最实用的价值。
基准表现：智能体与工具调用是主战场
官方在 16 项基准上，将 LFM2.5-24B-A2B 与 Qwen3.6-35B-A3B、Gemma-4-26B-A4B-it、Nemotron-3.5-Lightning（30B-A3B）三款 MoE 模型对比。值得注意的是，无论总参数还是激活参数，LFM2.5-24B-A2B 都是四者中最小的，对手们的总参与激活参数都比它多出约五成。
结果呈现出清晰的能力画像。在八项工具调用与智能体基准中，LFM2.5-24B-A2B 在五项上领先或打平：AutomationBench 拿下 27.69 分，是第二名 Qwen3.6-35B-A3B（8.72 分）的三倍以上；LiveClaw 得分 48.09，同样领先 Qwen 的 38.19；BFCLv4 以 65.01 对 65.00 险胜；ToolSandbox 得分 80.71；τ³-Bench Banking 也以 8.04 居首。三项指令遵循基准更是全部领跑：IFEval 96.75、IFBench 74.69、Multi-IF 84.38。
短板同样明确。在知识密集型基准上，GPQA Diamond 得分 74.42，低于 Qwen3.6-35B-A3B 的 83.69；SWE-Bench Verified（OpenCode）为 51.00，落后 Qwen 的 66.20；WebArena Verified 得分 26.75，对 37.62 也处于下风。官方对此的建议很务实：知识密集型任务应将 LFM2.5-24B-A2B 与检索或联网搜索搭配使用，这恰好扬其工具调用之长。
推理效率：端侧 184 tokens/s，单卡超 2.1 万 tokens/s
得益于仅 2B 的激活参数，LFM2.5-24B-A2B 在推理速度上表现突出。官方基于 Pipette 基准设施，以 llama.cpp、Q4_K_M 量化、4K 输入上下文测得：在 Apple M5 Max 上解码速度达 184 tokens/s，在 AMD Ryzen AI Max+ 395 上为 114 tokens/s，比对比 MoE 中最快者还要快至 1.7 倍，同时内存占用最低——M5 Max 上仅 15GB。这意味着在 16GB 至 24GB 统一内存的消费级设备上，就能跑通完整的本地智能体循环。
GPU 侧的表现同样亮眼。在单张 NVIDIA B300 上，以 SGLang 0.5.22、BF16 精度、1024 输入 token、最多 256 输出 token 的持续负载设置测得，高并发时输出吞吐超过 2.1 万 tokens/s，官方称其为同尺寸级别中最快的模型。
生态支持在发布第一天同步到位：llama.cpp（GGUF）、MLX（Apple Silicon）、vLLM、SGLang、ONNX 全部可用，官方发布的检查点覆盖原生、FP8、GGUF、ONNX 与 MLX-4bit 多种格式。开发者可以在本地用任意 OpenAI 兼容后端拉起服务，再接入 OpenClaw、Hermes Agent、Pi 等智能体框架。在官方演示中，模型在搭载 M5 Max 的 MacBook Pro 上借助 Hermes Agent 完全离线完成了一项真实任务，每次工具调度耗时远低于一秒。
许可证与可用性：开放但有门槛
LFM2.5-24B-A2B 采用 LFM Open License v1.0。该许可证以 Apache 2.0 为基础，允许免版税的使用、修改与分发，微调后的模型无需开源，但设有一条明确的商业使用门槛：公司年收入超过 1000 万美元后，需另行购买商业许可；研究与非营利用途则完全豁免。许可证同时保留了常规的署名要求——分发时须保留版权与来源声明，且不授予使用 Liquid AI 商标对外宣传的权利，违反条款时授权会自动终止。托管平台即便自身收入超过该门槛，仍可免费托管与分发模型。
不想自行部署的用户也可以走 API 路线：在 Liquid Console 上，该模型定价为每百万输入 token 0.1 美元（缓存输入 0.05 美元）、每百万输出 token 1 美元，注册即赠 2 美元额度。另外官方预告，用于 SGLang 投机解码的 DSpark 草稿模型即将推出，届时解码速度还有进一步提升的空间。
总体来看，LFM2.5-24B-A2B 并不追求全任务的全面领先，而是把「智能体推理加工具调用」这一件事做透，再用极致的激活效率让它得以在笔记本与桌面设备上流畅运行。对于需要在本地运行持续性智能体的开发者而言，它提供了一个隐私与成本都可控的新选项；而对整个开源社区来说，LFM2.5 家族以这样一款效率旗舰收官，也为端侧开源模型的下一阶段竞争定下了一个不小的标尺。
