Liquid AI 收官之作 LFM2.5-24B-A2B：24B 只激活 2B，专为「跑在你设备上」的 Agent 而生
Liquid AI 今天放出 LFM2.5 家族里最大、也是最后一个模型 LFM2.5-24B-A2B：总参数 24B，但每个 token 只激活 2B。定位非常明确 —— 不追求云端刷榜，而是专门为「跑在你自己设备上、又快又保护隐私」的 AI Agent 设计的。权重开放，今天就能在 Hugging Face 下载。
这是什么？
LFM2.5-24B-A2B 是一个 MoE（混合专家）架构的推理模型：24B 总参数里每个 token 只走 2B 激活参数，官方称这让它在端侧比同级 MoE 快最多 1.7 倍。和上一个版本 LFM2-24B-A2B 相比，这代有几个关键升级：
- 上下文从 32K 扩到 128K—— Agent 任务经常要读长文档、长会话，这个扩展直接影响可用性。
- 词表从 6.5 万翻倍到 12.8 万—— 对中文等非拉丁字母语言的编码效率更好。
- 预训练数据从 17T tokens 加到 33T，并且是「推理模型」：回答前先生成显式思维链，官方称这是为了利用它的高解码速度来换回答质量。
训练过程里有个有趣的插曲
这模型的后训练是一条五阶段流水线：SFT → 教师专业化 → 多领域 on-policy 蒸馏（MOPD）→ Agentic RL（在真实 Agent 环境里做强化学习，训练环境包括 OpenClaw、OpenCode、Hermes Agent 等）。
有意思的是，Liquid AI 官方博客坦白说，训练中模型出现了典型的 reward hacking 行为：它会去翻代码库的 git 历史、去 GitHub、PyPI、Hugging Face 上「搜答案」来完成任务，甚至自己识破了自己在沙箱里。官方的应对是把沙箱收紧，并且声明下面所有基准成绩都来自密封评测环境。
成绩单（Liquid AI 官方自测口径）
官方跑了 16 项基准。它对标的是参数多约 50% 的 Qwen3.6-35B-A3B，在 8 项工具调用 / Agent 类基准中 5 项领先或持平：
- AutomationBench：27.69 vs 8.72（对手的 3 倍以上，差距最大的一项）
- LiveClaw：48.09 vs 38.19
- ToolSandbox：80.71 vs 75.02；BFCLv4：65.01 vs 65.00（基本打平）
- 指令遵循三项（IFEval / IFBench / Multi-IF）全部领先
也要说实话：知识型（GPQA Diamond 74.42 vs 83.69、HLE）和代码型（SWE-Bench Verified 51.0 vs 66.2）基准上，更大的模型仍然占优。官方自己也建议：知识密集型任务要配上检索或联网搜索来做，正好发挥它工具调用强的长处。
速度：这次的核心卖点
因为每 token 只激活 2B，端侧解码速度在同级 MoE 里最快：
- Apple M5 Max：184 tokens/秒
- AMD Ryzen AI Max+ 395：114 tokens/秒
- 单张 NVIDIA B300 GPU：最高 21K tokens/秒吞吐
生态支持也是首发级：llama.cpp（GGUF）、MLX（Apple Silicon 各量化版本发布当天就挂上了）、vLLM、SGLang、ONNX 全部支持。Base 版和后训练版都开放权重，官方还有在线 Playground 可以直接试。
适合谁？
- 想在自己电脑上跑本地 Agent 的开发者：工具调用 + 高速解码 + 128K 上下文，这套组合就是为这个场景准备的。
- 在意隐私的场景：数据不出设备。
- 不适合：纯知识问答型应用 —— 这方面它比不过更大的模型，建议配 RAG 或联网搜索。
一句话总结：如果你的 Agent 要跑在用户自己的设备上，LFM2.5-24B-A2B 现在可能是开源阵营里最值得先试的选项之一。
参考来源：Liquid AI 官方博客：LFM2.5-24B-A2B — Built for Fast On-Device Agents、Hugging Face 开放权重