Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载模型规格与开放方式
LFM2.5-24B-A2B 是一个总参数 24B、每 token 仅激活 2B 的推理模型，定位是在设备本地运行快速且私密的智能体。它是 LFM2.5 家族中体量最大的成员，也是该家族最后一款模型，整个系列从 230M 一直覆盖到 24B。基础版 LFM2.5-24B-A2B-Base 与后训练版 LFM2.5-24B-A2B 都以开放权重形式提供，发布当天即可在 Hugging Face 和官方 Playground 获取，官方文档给出了本地运行与微调的方法。与上一代 LFM2-24B-A2B 不同，这一版只做推理，会在给出最终答案前输出显式的思维链，官方称采用这一策略是为了利用其高解码速度并提升答案质量。
架构与训练变化
架构上保留了 40 层、每个 MoE 块 64 个专家且 top-4 路由，以及门控短卷积与 GQA 的混合结构。两处改动分别是上下文窗口从 32,768 扩展到 131,072 token，以及原地扩展分词器，把词表从 65K 翻倍到 128K，以改善非拉丁语系的切词效果。预训练规模从 17T token 提升到 33T token。中期训练分两阶段：第一阶段在 32K 上下文下使用 2T token，数据经过筛选且质量更高，权重偏向推理、数学、代码、指令遵循和多语言文本；第二阶段在 131K 上下文下使用 300B token，权重偏向长上下文数据。两个阶段都包含工具调用与多轮轨迹数据，为智能体任务做准备。
后训练流程与实测表现
后训练把基础版转为智能体版本，采用五阶段流水线：监督微调、教师专精，以及非智能体与智能体两种多域在线策略蒸馏。评测方面，在八项智能体与工具调用基准中，它在五项上与 Qwen3.6-35B-A3B 相当，而后者总参数和激活参数都多出约 50%；具体到 LiveClaw 为 48.09 对 38.19，AutomationBench 为 27.69 对 8.72。由于每个 token 只激活 2B 参数，它在设备上的运行速度最高可达同类 MoE 的 1.7 倍，在 Apple M5 Max 上达到 184 tokens/s，在单张 NVIDIA B300 GPU 上输出速度最高可达 21K tokens/s。
为什么值得看
24B 总参数只激活 2B，端侧速度与工具调用成绩同时给出，可直接判断能否本地部署。
信源1 家
关键事实
LFM2.5-24B-A2B 总参数 24B，每 token 激活 2B，是 LFM2.5 系列最大且最后一款模型[1]
在八项智能体与工具调用基准中的五项上，与 Qwen3.6-35B-A3B 相当，后者总参数和激活参数多约 50%[1]
LiveClaw 得分 48.09 对 38.19，AutomationBench 得分 27.69 对 8.72[1]
端侧速度最高为同类 MoE 的 1.7 倍，Apple M5 Max 上 184 tokens/s，单张 NVIDIA B300 GPU 上输出最高 21K tokens/s[1]
上下文窗口从 32,768 扩展到 131,072 token，词表从 65K 翻倍到 128K，预训练从 17T token 扩到 33T token[1]
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。