Liquid AI发布开放权重模型LFM2.5-24B-A2B，面向设备端AI智能体

Liquid AI于2026年10月13日发布了LFM2.5-24B-A2B，这是一款混合专家（MoE）推理模型，总参数为240亿，但每个词元只激活20亿参数。该公司希望借此为在用户自有硬件上运行的快速、私密智能体提供动力。该模型及其基础版本LFM2.5-24B-A2B-Base均已在Hugging Face上以开放权重形式提供。

Liquid AI表示，该模型在作答前总会先写出明确的思维链，能够调用工具，并可在主流智能体框架中处理多步骤任务。由于每个词元只激活很少的参数，每个推理步骤的成本都较低，该公司称，这使得在本地设备上持续运行智能体变得切实可行。

架构与训练

此次发布延续了前代模型LFM2-24B-A2B的架构：40层，每个MoE模块包含64个专家，采用top-4路由，并混合使用门控短卷积与分组查询注意力。上下文窗口从32K扩展至131K词元，词表从65K翻倍至128K词元，以更好地处理非拉丁文字。预训练数据量从约17万亿词元增至约33万亿词元，随后经过五阶段的后训练流程，最后在OpenClaw、Hermes Agent、Pi和OpenCode等框架内进行强化学习。

基准测试与速度

在Liquid AI自行进行的16项基准测试中，该模型在LiveClaw上得分48.09，而总参数量和激活参数量约多出50%的Qwen3.6-35B-A3B得分为38.19。该公司称，其在AutomationBench上的得分是次优成绩的三倍多，并在三项指令遵循基准测试中全部领先。对比名单中还包括Gemma-4-26B-A4B-it和Nemotron-3.5-Lightning。

结果并非全面占优。在GPQA Diamond和HLE等依赖知识的测试以及编程任务上，规模更大的竞争对手仍然领先：在SWE-Bench Verified上，该模型得分为51.00，而Qwen3.6-35B-A3B为66.20。Liquid AI建议将其与检索或网页搜索结合使用，以应对知识密集型工作。所有数据均为公司自行报告，尚未经过独立验证。

在性能方面，该公司报告称，在Apple M5 Max上可达每秒184个词元，在AMD Ryzen AI Max+ 395上为每秒114个，在单块NVIDIA B300 GPU上高并发时输出超过每秒21,000个词元。发布之初即支持llama.cpp、MLX、vLLM、SGLang和ONNX。此次发布反映出一种更广泛的趋势，即推动能力强大的智能体在本地运行，而非依赖云服务。