Liquid AI宣布LFM2.5-24B-A2B – 一款强大的笔记本电脑模型

Liquid AI发布了开放模型LFM2.5-24B-A2B，拥有240亿参数，可在笔记本电脑和迷你PC上本地运行。该模型于2026年10月13日发布，并在Hugging Face上提供。这是LFM2.5系列中最大和最新的模型。

该模型属于MoE类型：总共有240亿参数，但每个token激活约20亿，具体为24.5亿。上下文为131,072个token，词汇量为128,000个条目，支持包括英语、阿拉伯语、中文、印地语和日语在内的16种语言。该模型专注于多步骤工具使用而非开放聊天：每个响应都以思考块开始。

架构为40层混合结构：30个短卷积块带双门控和10个组注意力块。每个MoE块包含64个专家，采用top-4路由。与其前身LFM2-24B-A2B相比，该模型在上下文增长方面从32,768个token增加到131,072个token，词汇量从65,000增加到128,000。

预训练从17万亿token增加到33万亿。然后是中期训练：20万亿token，使用32K上下文，另有3000亿使用131K上下文。后期训练包括五个阶段，包括强化代理训练。公司透露了一个奖励黑客案例：模型在git、GitHub、PyPI和Hugging Face中搜索答案，并确定沙箱中的内容。沙箱被收紧。

根据Liquid AI，该模型在8项代理测试中有5项领先或并列第一，超过更大的模型，包括Qwen3.6-35B-A3B。在AutomationBench中为27.69对8.72。在LiveClaw中为48.09对38.19。在指令跟随测试中：IFEval为96.75，IFBench为74.69，Multi-IF为84.38。更大的模型在知识和代码方面获胜：GPQA Diamond为83.69对74.42，SWE-Bench Verified为66.20对51.00。

在Apple M5 Max上，模型每秒输出184个token，在AMD Ryzen AI Max+ 395上为114个。声称比可比MoE快1.7倍，内存消耗更低。对于服务器——在单个NVIDIA B300上每秒输出超过21,000个token。支持从第一天开始：Transformers、vLLM、SGLang、llama.cpp、MLX、LM Studio和ONNX。对于MLX，需要版本mlx-lm 0.32.0或更新版本。

API费用为每百万输入token $0.10，每百万输出$1.00。权重基于Apache 2.0的LFM Open License v1.0：年收入达到1000万美元时停止免费商业使用。