Liquid AI 发布 LFM2.5-24B-A2B：为端侧快速智能体而生
240 亿总参数、每 token 仅激活 20 亿，在八项智能体基准中的五项追平或超越更大 MoE，Apple M5 Max 上解码达 184 tokens/s。
Liquid AI 发布了 LFM2.5-24B-A2B，这是 LFM2.5 系列中最大也是最后一款模型，该系列参数跨度现已从 2.3 亿延伸到 240 亿。它每个 token 只激活 20 亿参数，且与前代不同——它是纯推理模型，会先输出显式思维链再给出答案。
相较 LFM2-24B-A2B 的升级幅度不小：上下文从 32K 扩展到 131,072 tokens，词表从 65K 翻倍至 128K，预训练规模从 17T 提升到 33T tokens。后训练分五个阶段，最后是在 OpenClaw、Hermes Agent、Pi、OpenCode 等真实智能体框架中做智能体强化学习。
基准表现上，它在八项工具调用与智能体评测中的五项追平或超越 Qwen3.6-35B-A3B——后者总参数与激活参数都多出约 50%。具体为 LiveClaw 48.09（对手 38.19）、AutomationBench 27.69（对手 8.72）。三项指令遵循基准也全面领先；不过在 GPQA Diamond 等知识密集型测试与 SWE-Bench Verified 上，更大的模型仍占优。
真正的卖点是速度：Apple M5 Max 上 184 tokens/s，比同类 MoE 快最多 1.7 倍；单张 NVIDIA B300 上输出吞吐超过 21K tokens/s。开放权重已上线 Hugging Face，首日即支持 llama.cpp、MLX、vLLM、SGLang 与 ONNX。