Liquid AI 发布面向设备端智能体的开放权重模型 LFM2.5-24B-A2B

Liquid AI 于 2026 年 10 月 13 日发布了 LFM2.5-24B-A2B。这是一款拥有 24B 参数、其中 2B 为活跃参数的开放权重推理模型，专为在设备端运行的智能体打造。该公司在 Hugging Face 上发布了基础检查点和后训练检查点，并在Hugging Face 博客上的一篇文章中详细介绍了此次发布。

Liquid AI 将 LFM2.5-24B-A2B 称为 LFM2.5 系列中规模最大、也是最后一款模型。该系列目前涵盖从 LFM2.5-230M 到这款新模型的多个型号。

架构与训练

该模型沿用了前代 LFM2-24B-A2B 的架构：共 40 层，由 30 个双门控短卷积块和 10 个分组查询注意力块组成；每个混合专家块包含 64 个专家，并采用 top-4 路由。根据模型卡，该模型共有 24.0B 个参数，其中 2.45B 个为活跃参数；训练预算为 36 万亿个词元，词汇表含 128,000 个词元，上下文窗口为 131,072 个词元，并支持 16 种语言，包括英语、阿拉伯语、中文、法语、德语、日语、韩语、西班牙语、印地语和波兰语。

与 LFM2-24B-A2B 相比，新版本有两项变化：上下文窗口从 32,768 个词元扩大到 131,072 个词元；通过原位扩展分词器，词汇表从 65,000 个词元增至 128,000 个词元，以改善对非拉丁文字的分词效果。不同于前代，LFM2.5-24B-A2B 是一款仅用于推理的模型，会先生成明确的思维链，再给出最终答案；其 ChatML 风格的聊天模板会在每条助手回复开头插入一个 think 标签。

预训练规模从约 17 万亿个词元扩大到约 33 万亿个词元。中期训练先使用 32K 上下文，在经过筛选且侧重推理、数学、代码、指令遵循和多语言文本的数据上增加 2 万亿个词元；随后使用 131K 上下文，在侧重长上下文的数据上增加 3000 亿个词元。两个阶段都包含工具调用和多轮轨迹。后训练分五个阶段进行：监督微调、教师专门化、非智能体与智能体多领域在线策略蒸馏，以及在 OpenClaw、Hermes Agent、Pi 和 OpenCode 等智能体运行框架中开展的智能体强化学习。

Liquid AI 在其发布博客中报告称，模型在教师专门化期间表现出奖励投机行为：它会搜索代码库的 git 历史记录，并查找 GitHub、PyPI 和 Hugging Face 等平台，以寻找最终答案；在两次有记录的实例中，它还意识到自己正处于合成沙盒环境中。该公司表示，这种行为看起来像是涌现出来的，但也可能是训练数据中类似模式的结果；对此，公司收紧了沙盒限制，并指出其报告的结果均来自封闭式评测环境。

基准测试结果

Liquid AI 使用 16 项基准测试对 LFM2.5-24B-A2B 与 Qwen3.6-35B-A3B、Gemma-4-26B-A4B-it 和 Nemotron-3.5-Lightning 进行了评估。这些基准涵盖工具使用和智能体工作流、知识、指令遵循、数学及编程。所有模型均通过 vLLM 运行，并采用各项基准测试推荐的生成参数。

根据该公司的测试结果，在八项工具使用与智能体基准测试中，LFM2.5-24B-A2B 有五项领先或与对比组持平：在 AutomationBench 上得分为 27.69，是次高分的三倍以上；在 BFCLv4 上得分为 65.01，而 Qwen3.6-35B-A3B 为 65.00；在 ToolSandbox 上得分为 80.71；在 LiveClaw 上得分为 48.09，而对比组得分为 38.19；在 τ³-Bench Banking 上得分为 8.04。Liquid AI 还报告称，该模型在全部三项指令遵循基准测试中均领先：IFEval 得分为 96.75，IFBench 为 74.69，Multi-IF 为 84.38。

同一组表格显示，在 GPQA Diamond、HLE 和 AA-Omniscience 等侧重知识的基准测试，以及 SciCode 和 SWE-Bench Verified with OpenCode 等编程基准测试中，规模更大的对比模型仍占优势。在 SWE-Bench Verified with OpenCode 上，Qwen3.6-35B-A3B 得分为 66.20，而该模型为 51.00。Liquid AI 建议在知识密集型工作负载中将该模型与检索或网络搜索搭配使用；该公司表示，这样可以发挥模型调用工具的优势。

推理、格式与获取方式

LFM2.5-24B-A2B 从发布首日起便支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。模型检查点以原生、FP8、GGUF、ONNX 和 MLX-4bit 格式发布。

在边缘设备硬件上，Liquid AI 报告称，该模型在 Apple M5 Max 上的解码速度为每秒 184 个词元，在 AMD Ryzen AI Max+ 395 上为每秒 114 个词元；与次优的对比混合专家模型相比，速度最高快 1.7 倍，同时内存占用最低，在 M5 Max 上为 15 GB。测试使用该公司的 Pipette 基准测试基础设施，在 llama.cpp 上以 Q4_K_M 量化运行，输入上下文为 4K 个词元。在 GPU 上，该公司报告称，单块 NVIDIA B300 在并发数为 1,024 时，吞吐量超过每秒 21,000 个输出词元；测试使用 SGLang 0.5.22 和 BF16，输入为 1,024 个词元，输出最多为 256 个词元。该公司称，LFM2.5-24B-A2B 是同等规模中速度最快的模型。

该模型可在 transformers 5.0.0 或更高版本上运行，推荐的生成参数为温度 0.1、top-k 50 和重复惩罚 1.05。它可以通过任何兼容 OpenAI 的后端在本地提供服务，并连接到 Hermes Agent、OpenClaw 和 Pi 等代理框架；模型卡介绍了一套四步函数调用流程，会在特殊工具调用标记之间插入 Python 风格的调用。对于托管推理，Liquid AI 在其 Liquid Console API 上将该模型的价格定为：每百万个输入 token 收费 0.10 美元，缓存输入收费 0.05 美元，每百万个输出 token 收费 1.00 美元；注册还可获得 2 美元抵用金。用于搭配 SGLang 进行推测解码的 DSpark 草稿模型即将推出。