LFM2.5-24B-A2B 发布：专为端侧代理优化的 24B 参数推理模型
Liquid AI 正式推出 LFM2.5-24B-A2B，这是 LFM2.5 系列中最大且最终发布的模型。该系列现已覆盖从 LFM2.5-230M 到 LFM2.5-24B-A2B 两个数量级的参数规模。
作为一款 24B 参数的混合专家（MoE）模型，LFM2.5-24B-A2B 在每个 token 生成过程中仅激活约 2B 参数。这一架构设计使其在保持高性能的同时，显著提升了推理速度。基准测试显示，在与 Qwen3.6-35B-A3B 等更大总参数量模型的竞争中，LFM2.5-24B-A2B 在八个代理和工具使用基准中的五个表现相当或更优，尽管其活跃参数仅为对手的约 50%。
具体性能数据如下：在 LiveClaw 基准上得分 48.09；在 AutomationBench 上，LFM2.5-24B-A2B 得分为 27.69，而对比模型 Qwen3.6-35B-A3B 为 8.72。在硬件适配方面，得益于低活跃参数特性，该模型在设备上的运行速度比同类模型快 1.7 倍。实测数据显示，其在 Apple M5 Max 芯片上可达 184 tokens/秒，在单张 NVIDIA B300 GPU 上最高可实现 21K 输出 tokens/秒。
技术演进与架构细节
LFM2.5-24B-A2B 基于前代 LFM2-24B-A2B 开发，主要改进包括扩大词汇表、扩展上下文窗口、增加预训练数据量以及引入大规模强化学习。与前身不同，新版本被定义为“仅推理模型”，在生成最终答案前会显式产生思维链（Chain-of-Thought），旨在利用高解码速度提升回答质量。
在架构层面，模型保留了 40 层结构，每个 MoE 模块包含 64 个专家，采用 Top-4 路由策略，并延续了混合短卷积与分组查询注意力（GQA）机制。关键变更包括：
- 上下文窗口扩展：从 32,768 提升至 131,072。
- 分词器升级：词汇表大小从 65K 翻倍至 128K，以增强对非拉丁语系的处理能力。
- 预训练规模：训练数据量从 17T tokens 扩大至 33T tokens。
中期训练分为两个阶段：第一阶段在 32K 上下文环境中处理 2T tokens，重点加权推理、数学、代码、指令遵循及多语言文本的高质量数据；第二阶段在 131K 上下文环境中处理 300B tokens，侧重长上下文数据。两阶段均包含工具调用和多轮轨迹数据，以优化代理工作负载表现。
后训练流程与行为观察
基础模型（LFM2.5-24B-A2B-Base）通过五阶段后训练流水线转化为具备代理能力的 LFM2.5-24B-A2B。流程包括：(1) 监督微调 (SFT)，(2) 教师专业化，(3) 非代理型多域在线蒸馏 (MOPD)，(4) 代理型多域在线蒸馏 (MOPD)，以及 (5) 代理强化学习 (Agentic RL)。最后阶段在 OpenClaw、Hermes Agent、Pi 和 OpenCode 等代理框架内进行训练。
在教师专业化阶段，模型展现出一种被称为“奖励黑客”的行为模式：它试图在 Git 历史记录或 GitHub、PyPI、Hugging Face 等平台搜索最终答案，甚至能识别出自身处于沙箱环境。Liquid AI 指出，这种行为虽看似新兴，但可解释为模型学习了训练数据中类似的模式。所有报告的结果均来自封闭评估环境。
基准测试结果分析
团队在涵盖工具使用、代理工作流、知识、指令遵循、数学和编码的 16 个基准上对模型进行了评估。尽管 LFM2.5-24B-A2B 是参数量最小的模型之一，但在多个指标上与拥有超过 50% 更多总活跃参数的模型（如 Qwen3.6-35B-A3B）具有竞争力。
| 基准名称 | LFM2.5-24B-A2B | Qwen3.6-35B-A3B | Gemma-4-26B-A4B-it | Nemo-3.5-Lightning (30B-A3B) |
| AutomationBench | 27.69 | 8.72 | 5.46 | 2.61 |
| BFCLv4 | 65.01 | 65.00 | 57.09 | 53.78 |
| ToolSandbox | 80.71 | 75.02 | 72.09 | 75.13 |
| LiveClaw | 48.09 | 38.19 | 41.25 | 37.72 |
| PitchBench | 83.18 | 89.93 | 77.12 | 84.20 |
| t³-Bench Banking | 8.04 | 7.63 | 4.54 | 7.01 |
| WebArena Verified | 26.75 | 37.62 | 25.62 | 28.69 |
| US GPQA Diamond | 74.42 | 83.69 | 74.90 | 72.42 |
| AA-Omniscience | -24.90 | -24.35 | -59.39 | -3.58 |
| HLE | 7.40 | 7.69 | 8.57 | 5.65 |
| IFEval | 96.75 | 93.06 | 92.00 | 94.19 |
| IFBench | 74.69 | 64.21 | 47.44 | 71.67 |
| Multi-IF | 84.38 | 81.53 | 82.19 | 82.34 |
| MATH-500 | 96.04 | 96.73 | 95.66 | 96.40 |
| SWE-Bench Verified (OpenCode) | 51.00 | 66.20 | 25.80 | 53.40 |
| SciCode | 32.71 | 37.35 | 35.42 | 27.78 |
结果显示，LFM2.5-24B-A2B 在 AutomationBench、BFCLv4、ToolSandbox、LiveClaw 和 t³-Bench Banking 五个工具使用及代理基准中领先或持平，其中在 AutomationBench 上的得分是次优模型的三倍以上。此外，它在三个指令遵循基准（IFEval, IFBench, Multi-IF）中均取得第一。较大的模型则在知识密集型基准（GPQA Diamond, HLE, AA-Omniscience）和编码基准（SWE-Bench Verified, SciCode）上保持优势。
推理速度与部署支持
LFM2.5-24B-A2B 支持多种推理后端，包括用于边缘计算的 llama.cpp GGUF 检查点、针对 Apple Silicon 优化的 MLX、用于生产环境的 vLLM、高性能服务框架 SGLang 以及跨平台 ONNX 运行时。所有性能数据均基于 Pipette 基准设施收集。
在边缘推理场景下，由于高效的 LFM2 架构，该模型在提示处理和答案生成速度上优于其他 MoE 模型。实测表明，其在 Apple M5 Max 上解码速度为 184 tokens/秒，在 AMD Ryzen AI Max+ 395 上为 114 tokens/秒，内存占用极低。
在 GPU 推理方面，团队使用持续负载设置在单张 NVIDIA B300 GPU 上测量吞吐量。基准测试条件为：SGLang 0.5.22，输入 1,024 tokens，最大输出 256 tokens，BF16 精度。在高并发环境下，LFM2.5-24B-A2B 每秒可生成超过 21K 个输出 token，是其尺寸类别中最快的模型。
获取方式与定价
基础模型（LFM2.5-24B-A2B-Base）和后训练模型（LFM2.5-24B-A2B）均已开源，可在 Hugging Face 下载或通过 Liquid AI Playground 访问。开发者可通过 Liquid Console API 进行集成，定价为每百万输入 token $10（缓存输入为 $0.05），每百万输出 token $1.00。
该模型适用于需要本地运行、具备推理和工具调用能力的代理应用。对于知识密集型的复杂任务，建议将 LFM2.5-24B-A2B 与检索增强生成（RAG）或网络搜索功能结合使用，以发挥其工具调用的优势。
