Liquid AI 发布 LFM2.5-24B-A2B 开放权重本地智能体模型

先了解这件事

Liquid AI 发布 LFM2.5-24B-A2B：240 亿总参数、24.5 亿激活参数的推理 MoE，提供 128K 上下文、工具调用和多种本地部署格式。

变化是什么

Liquid AI 将 LFM2.5-24B-A2B 的基础模型和后训练模型作为开放权重发布到 Hugging Face；模型面向设备端或自管服务器上的推理与工具调用。

对你意味着什么

开发者可在 GGUF、ONNX、MLX、FP8 或原生权重之间选择运行时，在评估延迟、内存与数据边界后，把较大推理模型接入本地工具工作流。

Liquid AI 发布了 LFM2.5-24B-A2B，一款面向本地智能体的开放权重、纯文本推理模型。官方文章称它总计有 240 亿参数，每个 token 仅激活约 20 亿参数；模型卡的精确值为 24.5 亿激活参数。它是 LFM2.5 系列中最大且最后发布的模型。

这次变化不只是新增一个检查点。模型卡列出 131,072 token 上下文、函数调用能力，以及原生、FP8、GGUF、ONNX、MLX 等格式。开发者可以按硬件和运行时选择 Transformers、vLLM、SGLang、llama.cpp、LM Studio 或 Apple Silicon 的 MLX，而不必把模型接入单一托管 API。

实际采用前仍应在自己的工作负载上验证。模型卡建议把知识密集型问题与检索或网页搜索结合；厂商公布的基准与吞吐数据也不能替代量化、内存、提示长度和工具循环下的实测。权重使用 Liquid AI 的 lfm1.0 许可，团队在再分发或商用前应核对许可条件。

先用小而类型明确的工具集做本地评测，记录工具调用成功率、失败恢复和延迟，再决定是否接入具备实际副作用的自动化流程。

事实核查

已核实官方文章将 LFM2.5-24B-A2B 描述为总计 240 亿参数、每 token 约 20 亿激活参数的开放权重推理模型，用于快速、私有的设备端智能体。依据

已核实官方模型卡列出 131,072 token 上下文、函数调用，以及原生、FP8、GGUF、ONNX 和 MLX 等发布格式。依据