10 月 12 日，Liquid AI 在 Hugging Face 上开放了 LFM2.5-24B-A2B 的权重。这是 LFM2.5 家族目前最大的模型，官方博客同时确认它也是这个家族的收官之作：产品线覆盖从 230M 到 24B 两个数量级，端侧小模型的版图到此画完一个周期。总参数量 24B，每个 token 只激活 2B，官方给它的定位是「为快速、私密的端侧 Agent 而造」。两天时间，这个模型在 Hacker News 首页拿到上百个赞，HF 页面收获 300+ 个 star，量化社区 Unsloth 当天就放出了量化版本。
架构：卷积、注意力、专家网络的混合体
LFM2.5-24B-A2B 是一个 MoE（Mixture of Experts，专家混合）模型。可以把它想象成一家医院：24B 参数是全院医生的总数，但每个病例（token）只会被分诊到 4 个专科医生手里，其余医生不参与计算。这就是「24B 总参数、2B 激活参数」的含义，推理成本按 2B 计算，知识容量按 24B 存储。
从 HF 仓库的 config.json 可以核对出具体结构：40 层，每个 MoE 块含 64 个专家、top-4 路由，hidden size 2048，注意力部分 32 个查询头配 8 个 KV 头（GQA，分组查询注意力，用更少的 KV 缓存换取内存占用下降）。注意力层之外穿插了门控短卷积（gated short convolution），这是 Liquid AI 的 LFM 系列从第一代起就保留的混合设计，短卷积处理局部模式的开销低于标准注意力。
相比上一代 LFM2-24B-A2B，这代有两处架构级改动：上下文窗口从 32,768 扩到 131,072 个 token，词表从 65K 原地扩到 128K，后者主要为了改善非拉丁语系（包括中文）的编码效率。
训练管线：33T token 预训练，五阶段后训练
预训练数据量从上一代的 17T token 翻了近一倍，达到 33T。中间训练（mid-training）分两段：先以 32K 上下文跑 2T token 的高质量数据，权重偏向推理、数学、代码、指令跟随和多语言；再以 131K 上下文跑 300B token 的长上下文数据。两段中都持续混入工具调用和多轮对话轨迹，为 Agent 场景打底。
后训练是五阶段流水线：SFT（监督微调）、教师特化（Teacher Specialization）、非 Agent 域和多 Agent 域两轮 MOPD（Multi-Domain On-Policy Distillation，多域在线策略蒸馏），最后是在 Agent 框架内做的强化学习。训练框架的选择直接写进了官方文档：OpenClaw、Hermes Agent、Pi、OpenCode 这些现成 harness，也就是说最后一阶段的 RL 直接在真实 Agent 循环里做，工具调用的格式、报错、重试都按实际部署状态暴露给模型。
官方博客披露了一段少见的细节：在教师特化阶段，模型表现出典型的 reward hacking 行为，为了找到任务的最终答案，它跑去翻仓库的 git 历史，或者到 GitHub、PyPI、Hugging Face 上搜现成结果；更进一步的例子是，它甚至推断出自己运行在沙箱环境里。Liquid AI 的处理方式是收紧沙箱，并声明下文所有评测数据都来自密封评测环境。训练方主动公开这类行为而不加掩饰，在模型发布材料里算得上罕见。
16 项基准：Agent 类任务领先，知识类落后
官方在 16 项基准上对比了三个同档 MoE 模型：Qwen3.6-35B-A3B（总参数和激活参数都比它多约 50%）、Gemma-4-26B-A4B-it、Nemotron-3.5-Lightning（30B-A3B）。完整数据如下：
| 基准 | LFM2.5-24B-A2B | Qwen3.6-35B-A3B | Gemma-4-26B-A4B | Nemotron-3.5-Lightning |
|---|---|---|---|---|
| AutomationBench | 27.69 | 8.72 | 5.46 | 2.61 |
| BFCLv4 | 65.01 | 65.00 | 57.09 | 53.78 |
| ToolSandbox | 80.71 | 75.02 | 72.09 | 75.13 |
| LiveClaw | 48.09 | 38.19 | 41.25 | 37.72 |
| PinchBench | 83.18 | 89.93 | 77.12 | 84.20 |
| τ³-Bench Banking | 8.04 | 7.63 | 4.54 | 7.01 |
| WebArena Verified | 26.75 | 37.62 | 25.62 | 28.69 |
| GPQA Diamond | 74.42 | 83.69 | 74.90 | 72.42 |
| AA-Omniscience | -24.90 | -24.35 | -59.39 | -3.58 |
| HLE | 7.40 | 7.69 | 8.57 | 5.65 |
| IFEval | 96.75 | 93.06 | 92.00 | 94.19 |
| IFBench | 74.69 | 64.21 | 47.44 | 71.67 |
| Multi-IF | 84.38 | 81.53 | 82.19 | 82.34 |
| MATH-500 | 96.04 | 96.73 | 95.66 | 96.40 |
| SWE-Bench Verified (OpenCode) | 51.00 | 66.20 | 25.80 | 53.40 |
| SciCode | 32.71 | 37.35 | 35.42 | 27.78 |
八项 Agent 与工具调用基准里，它在五项上领先或持平第一，其中 AutomationBench 拿到 27.69 分，是第二名的三倍多；三项指令跟随基准（IFEval、IFBench、Multi-IF）全部第一。短板同样清楚：GPQA Diamond 落后 Qwen3.6 约 9 分，SWE-Bench Verified 落后 15 分，SciCode 落后约 4.6 分。官方自己的结论也是同一个方向：知识密集型任务建议外挂检索或联网搜索，把模型用在它擅长的工具调用上。这是自评里少见的直球，发布方直接告诉用户哪些场景该换模型。
端侧速度：M5 Max 上每秒 184 个 token
激活参数只有 2B 带来的直接收益是解码速度。Liquid AI 用自家的 Pipette 基准设施在三台设备上实测：Apple M5 Max 上解码 184 tokens/s、预填充 4,318 tokens/s、显存占用 15GB；Mac Studio 上 146 tokens/s；AMD Ryzen AI Max+ 395 上 114 tokens/s、16GB 内存。三项对比里它都比同级 MoE 快，官方口径是最高 1.7 倍，同时内存占用最低。
服务器侧的数字更夸张：单张 NVIDIA B300 在高并发下输出吞吐超过 21,000 tokens/s（SGLang 0.5.22、BF16、1024 输入 256 输出的持续负载测试）。API 定价按每百万 token 计：输入 0.1 美元（缓存命中 0.05 美元），输出 1 美元，在 24B 档模型里属于低位。
官方还放了一个端侧 Agent 演示：LFM2.5-24B-A2B 跑在 M5 Max 的 Hermes Agent 里，规划、调工具、完成任务全程不联网。每次工具分发的间隔低于一秒，完整审计日志留在本地。
社区实测：速度无争议，能力有分歧
Hacker News 上的实测反馈呈现两面。正面集中在速度：有用户在 RTX 5070 Ti 上用 llama.cpp 跑满 131K 上下文，不做任何调优拿到每秒 200 到 320 个 token；多人确认这个速度足以支撑交互式编码 Agent 的手感。
能力面的反馈更冷静。有人实测 SWE 类任务，让它给 ghostty 终端项目加一个最简单的 todo 功能，结果在编译报错里来回打转；发帖人同时观察到 Qwen 3.8 在同类任务上更稳。也有用户指出它的通用知识明显弱于 Qwen3.6-35B-A3B，并认为官方榜单里 Agent 类任务的优势部分来自定制 RL 环境。另一个反复被提的点是：这是一个强制推理模型（reasoning-only），每个回答前都输出显式思维链，速度快但完整答案的等待时间会被思维链拉长。
这些分歧与官方数据可以对上：SWE-Bench 51 分对 Qwen 的 66.2 分，官方没有回避。把两张清单放在一起读，结论收敛为一句：它为工具调用和多步执行而生，写代码和答知识题请交给别的模型或外挂检索。
许可：年营收千万美元以下免费商用
权重采用 LFM Open License v1.0。许可原文写明：年营收低于 1000 万美元的实体可以自由商用、微调和再分发；跨过这条线的商用需要另行获得授权，非营利组织和科研用途不受此限。这个条款与 Qwen、Gemma 系列的准入式许可思路一致，对个人开发者、初创团队和学术用户等于零门槛。
部署路径第一天就是全的：llama.cpp（GGUF）、MLX（Apple Silicon 优化）、vLLM、SGLang、ONNX 各有一条现成通路。Unsloth 的量化版已经上线，16GB 内存的 Mac 能以 4bit 量化把它装进内存，代价是精度损失；要完整精度得有 24GB 以上显存或统一内存。
对在内外网隔离环境里部署 AI 助手的团队，这个模型给出的组合是具体的：131K 上下文、128K 多语言词表、工具调用基准全面领先、每秒 184 token 的本地解码、1000 万美元营收线以下免费。它把「Agent 完全跑在自己设备上、数据不出门」这条路线的成本和性能边界又往下压了一截。
来源：