Liquid AI 开源 LFM2.5-24B-A2B，24B 参数只激活 2B，主打在自己电脑上跑智能体
10 月 13 日（美国时间），Liquid AI 发布并开放权重的 LFM2.5-24B-A2B，总参数 240 亿、每个 token 只激活约 20 亿，支持 13.1 万 token 上下文，专门为工具调用和多步骤智能体任务做了训练。官方称它在 Apple M5 Max 上每秒可生成 184 个 token，基础版和对话版已在 Hugging Face 上线。
据 Liquid AI 官方博客 10 月 13 日的公告，这家公司发布了 LFM2.5-24B-A2B，定位是「为设备端快速、私密的智能体而生」的推理模型。它也是 LFM2.5 系列里最大、也是最后一款模型，这个系列从 2.3 亿参数一直覆盖到这次的 240 亿参数。
- 模型结构：混合专家（MoE）结构，总参数 240 亿，每个 token 只激活约 20 亿；上下文从上一代的 32K 扩到 131K token，词表从 6.5 万扩到 12.8 万，官方说这能让中文等非拉丁文字的切分更高效。和上一代不同，它是「先思考再回答」的推理模型，会先输出思考过程再给出最终答案；
- 智能体能力：官方称，它和总参数、激活参数都多出约 50% 的 Qwen3.6-35B-A3B 相比，在 8 项工具调用和智能体测试里有 5 项打平或领先，差距最大的是 AutomationBench（27.69 对 8.72）。官方也承认，在 GPQA Diamond 这类知识密集型测试和 SWE-Bench Verified 这类编程测试上，更大的模型仍然占优，建议搭配检索或联网搜索使用。以上成绩均为 Liquid AI 自测；
- 运行速度：官方数据显示，它在 Apple M5 Max 上每秒可生成 184 个 token，在 AMD Ryzen AI Max+ 395 上每秒 114 个，比同类 MoE 模型快最多 1.7 倍，同时占用内存最少；
- 怎么用：基础版（LFM2.5-24B-A2B-Base）和训练好的对话版已在 Hugging Face 开放权重，首发就支持 llama.cpp（GGUF）、MLX（苹果芯片）、vLLM、SGLang 和 ONNX 等常见部署方式。官方演示里，它在 MacBook Pro 上接入 Hermes Agent，不调用任何云端接口，就完成了整理当天热门模型简报的任务。不想本地部署的话，也可以走 Liquid 的 API，价格为每百万输入 token 0.1 美元、输出 1 美元，注册送 2 美元额度。
详情见 Liquid AI 官方博客：LFM2.5-24B-A2B 与 Hugging Face 模型页。
对创作者意味着什么： 很多创作者的日常杂活，比如整理素材文件夹、按模板改写标题、汇总每天的行业资讯、把采访录音稿按要点归类，并不需要最顶级的大模型，更看重便宜、够快、资料不出本机。像 LFM2.5-24B-A2B 这样激活参数小、专门练过工具调用的开源模型，让「在自己电脑上挂一个长期干活的小助手」变得更现实，未公开的稿件和客户资料也不用上传到云端。不过要注意，它的知识储备和写长文的功力不如大模型，更适合做调度、整理、分类这类流程性工作；真正需要观点和文笔的部分，还是要换更强的模型，或者自己动手打磨。另外，24B 模型即使量化后对内存也有一定要求，动手前先确认自己的设备配置。
信息来源：Liquid AI 官方博客 / Hugging Face（本文为编辑整理改写）
