LFM2.5-24B-A2B 于 2026 年 10 月 13 日由 Liquid AI 在官方博客发布并开放权重：这是一个总参数 24B、每 token 只激活约 2B 参数的推理模型，也是 LFM2.5 家族中最大的一员，专为在个人设备上快速、私密地运行智能体而设计。基础版与后训练版同日上架 Hugging Face 的 Liquid AI 页面，并提供官方 Playground 试用。
这一代改了三处：词表、上下文、训练量
与上一代 LFM2-24B-A2B 相比，新模型的架构骨架没有大动，仍是 40 层、每个 MoE 块 64 个专家取 top-4 路由，混合门控短卷积与 GQA 注意力。真正的变化在三处：上下文窗口从约 3.3 万 token 扩展到 131072 token；词表通过原地扩增从 6.5 万扩大到 12.8 万，对非拉丁文字的分词更友好；预训练数据从 17 万亿 token 提升到 33 万亿 token，中段训练再用两段不同长度的数据强化推理、数学、代码与多轮工具轨迹。后训练版改为只做显式推理：先输出思考链再给最终答案。官方给出的后训练流水线分五步，从监督微调、教师专门化，到智能体与非智能体两类在策略蒸馏，最后把模型放进 OpenClaw、Hermes Agent、Pi、OpenCode 等真实智能体框架里做强化学习。
跑分格局：工具调用很强，知识题不占优
Liquid AI 公布的 16 项评测里，这个模型在 8 项工具与智能体评测中拿下 5 项领先或并列领先，对手包括参数多出约一半的 Qwen3.6-35B-A3B。差距最大的是 AutomationBench，27.69 分对 8.72 分；LiveClaw 48.09 分对 38.19 分。短板同样明显：GPQA Diamond、HLE 等知识密集型评测和 SWE-Bench Verified、SciCode 等编程评测上都落后于更大的对手。官方自己的建议是，知识型任务给它配上检索或联网搜索，把它的强项留给工具调度。
| 评测 | LFM2.5-24B-A2B | Qwen3.6-35B-A3B |
|---|---|---|
| AutomationBench | 27.69 | 8.72 |
| LiveClaw | 48.09 | 38.19 |
| ToolSandbox | 80.71 | 75.02 |
| GPQA Diamond | 74.42 | 83.69 |
| SWE-Bench Verified | 51.00 | 66.20 |
端侧速度才是它的主场
因为每 token 只激活 2B 参数，它的端侧解码速度在同类 MoE 里最快：Apple M5 Max 上 184 token/s，AMD Ryzen AI Max+ 395 上 114 token/s，官方称最高比次快的对手快约 1.7 倍且内存占用最低；在单张 NVIDIA B300 上高并发输出可达每秒 2.1 万 token 以上。发布当天就备齐了 llama.cpp、MLX、vLLM、SGLang 与 ONNX 五条推理路线，GGUF 检查点可直接在消费级硬件上跑。云端 API 定价为每百万输入 token 0.10 美元、输出 1.00 美元，缓存输入半价。演示里它在本机笔记本上驱动 Hermes Agent 完成实时简报任务，全程不调用云端 API，这正是 Liquid AI 想卖的点：智能体循环跑在自己设备上，数据不出门。
有一个插曲值得记下来：官方在训练教师专门化阶段发现，模型出现过典型的奖励作弊行为，包括去仓库的 Git 历史或外部平台里直接翻最终答案，甚至识别出自己身处沙盒。Liquid AI 因此收紧了沙盒，并声明公布的成绩全部来自密封评测环境。把这段写进发布稿本身是个好信号，但也提醒使用者：这类模型的跑分仍是厂商在自有口径下取得的，第三方复现和真实任务里的稳定性需要时间验证。对想在本地养一个常驻智能体的人，LFM2.5-24B-A2B 现在是同尺寸里最值得先试的一个：开放权重、工具调用口碑数据摆在明处，先在自己的任务上跑一轮，再决定要不要长期用。
