Liquid AI LFM2.5-24B-A2B：24B MoE设备原生智能体模型，184 tok/s本地跑智能体

Liquid AI LFM2.5-24B-A2B：24B MoE设备原生智能体模型，184 tok/s本地跑智能体

LFM2.5-24B-A2B值得单独记一笔，不是因为它又大了一点，而是Liquid AI把"设备原生智能体"这条线正式做成一个可下载的开放权重模型——总参240亿、每token只激活约20亿的MoE，明摆着是想在笔记本和手机上把"规划→调工具→执行"全程跑完、且不上云。它把上一代的上下文、词表、预训练量全翻了倍，还把回答方式改成了reasoning-only（先想后答）。基准上它挑了自动化这个硬骨头：官方AutomationBench 27.69，直接对标Qwen3.6-35B-A3B的8.72，差距不是一个量级。说到底，这是一次"把智能体能力塞进端侧、还顺手把自动化基准打穿"的尝试，值不值得追，看你对本地隐私和长程自动化的在意程度。

它是什么：LFM2.5家族里最大的一档

LFM2.5-24B-A2B是Liquid AI的开放权重模型，这次是LFM2.5家族里规模最大的一档。名字里的A2B指的是MoE结构：总参数240亿，但每次推理只激活约20亿参数，所以端侧能扛、云端也便宜。它的定位很专一——"设备原生"智能体，强调在本地硬件上持续运行智能体循环，而不是把请求甩回云端。官方给的演示是在一台M5 Max MacBook Pro上用Hermes Agent跑：规划、调工具、推进真实任务，全程在设备内完成，不碰任何云API。从定位到规格，它都比上一代LFM2-24B-A2B更像一台为"本地自动化"调过参数的机器。

技术拆解：四件事变了

先说架构与激活。MoE让它用20亿激活参数去逼近更大稠密模型的能力，代价是总参240亿带来的权重体积——这是端侧部署要算的一笔账。

上下文从32K拉到131K，这是为长程智能体规划准备的：一次会话里要排任务、调多次工具、读长文档，窗口太短就断片。词表从65K扩到128K，近翻倍，对中文、日文这类非拉丁语种的分词效率是直接利好——同样一段中文，词表越大、切得越准，冗余token越少。预训练量从17T涨到33T token，翻了近一倍，是质量底座的加厚。

最关键的行为变化是改成reasoning-only：模型先输出一段思维链，再给最终答案。这在需要多步工具调用的智能体场景里尤其有用——推理过程本身就能把"下一步该调哪个工具"想清楚，而不是一上来就瞎答。

与上一代LFM2-24B-A2B的规格跃迁

图：LFM2.5相对上一代的规格跃迁

指标         上一代         LFM2.5
上下文窗口    32K   ████     131K  █████████
词表         65K   ██████   128K  ███████████
预训练token  17T   ███████  33T   ████████████

说明：条形为该指标粗略相对长度（非严格比例），数值以官方发布为准；关键增量是上下文翻约4倍、词表近翻倍、预训练量近翻倍，其中词表扩容直接利好中文、日文等非拉丁语种分词。

基准与性能：把自动化打穿

官方给的硬指标里，最扎眼的是AutomationBench 27.69——这是面向自动化/工具调用智能体的基准，Liquid AI直接拿它和Qwen3.6-35B-A3B的8.72对标，量级差出三倍多。LiveClaw上LFM2.5拿到48.09，对照同款Qwen3.6-35B-A3B的38.19，差距收窄但依旧领先。这类基准的口径要讲清：它们是官方自报、且偏向自动化场景，不是通用聊天榜，不能简单等同于"全面更强"。

端侧吞吐同样被强调：官方称在M5 Max上达到184 tok/s，AMD Ryzen AI Max+ 395上114 tok/s，单张B300高并发能跑21K+ tok/s。前者决定了笔记本上"对话不卡"的体验下限，后者说明了云端高并发部署的成本结构——激活参数小，所以堆并发便宜。

部署与定价

落地链路铺得比较全：原生支持llama.cpp / MLX / vLLM / SGLang / ONNX，基本覆盖了从端侧（llama.cpp、MLX）到服务端（vLLM、SGLang）再到跨平台推理（ONNX）的主流路径，开发者不用自己改适配层。定价上要纠正一个常见误读：它不是输入/输出都1.00美元，而是输入0.10美元、缓存输入0.05美元、输出1.00美元（均按每百万token）。激活参数小带来的推理便宜，在输入端体现得最明显。

局限与边界

几句要留意的边界。其一，AutomationBench 27.69、LiveClaw 48.09是官方自报、且偏向自动化场景的口径，对照的Qwen3.6-35B-A3B 8.72 / 38.19也来自同一组官方表述，跨模型、跨榜单不能简单外推到通用能力。其二，M5 Max 184 tok/s、AMD 114 tok/s、B300 21K+ tok/s是官方给出的特定硬件读数，实际体验受量化精度、上下文长度、并发数影响很大。其三，reasoning-only会先吐思维链，端侧长思维链既吃算力也拖首字延迟，隐私赚到了、响应节奏要自己权衡。其四，开放权重是"已到手"——Hugging Face可下载（基础版与训练后版均开放权重），但具体许可证条款以仓库为准，和只放论文不放权重的"开源"不是一回事。其五，本文激活参数（官方2B / 20亿，而非原始消息所称24.5亿）与API输入价（官方0.10美元/百万，而非原始消息所称1.00美元）以官方博客为准做了更正。

结语

LFM2.5-24B-A2B给端侧智能体这件事递了一个比较完整的样本：MoE把成本压下来，131K上下文和reasoning-only把长程自动化撑起来，词表翻倍照顾了非拉丁语种，基准还顺手打穿了自动化榜。剩下要等的，是社区把它在真机上跑满一轮后，端侧稳定性和思维链开销到底能不能兜住日常使用。