LFM2.5-24B-A2B
Liquid AI发布的开放权重MoE架构大模型，总参数量24B、激活参数2B，专为端侧智能体场景设计，支持本地高效推理
核心事实
时间轴 (近 90 天)
LiquidAI 发布了新款 LFM2.5-24B-A2B 模型。
该用户尚未对 LFM2.5-24B-A2B 在 AI-Council 议会模式下的洞察能力下结论，需要更长时间的测试。
LFM2.5-24B-A2B 在机械性任务中表现稳定，长时间运行的递归任务中也没有让用户失望。
在 AMD W7900 显卡上使用 llama.cpp 配合 ROCm 后端，LFM2.5-24B-A2B 的 Q8 量化版本持续推理速度约为 95 tokens/秒。
Liquid AI公布的数据显示LFM2.5-24B-A2B在工具使用类benchmark上击败了Qwen3.6-35B-A3B
对于构建本地Agent任务（如自动化脚本编排、浏览器操作、文件管理），LFM2.5-24B-A2B的速度优势更适合；对于代码辅助任务，Qwen3.6-35B-A3B更合适
LFM2.5-24B-A2B和Qwen3.6-35B-A3B都是开源可本地部署的MoE架构模型，硬件需求在消费级高端设备范围内
LFM2.5-24B-A2B在八项工具使用基准中，在五项上超过了Qwen3.6-35B-A3B。
LFM2.5-24B-A2B 在 Hacker News 上引发了讨论。
2B 级别的激活参数意味着模型在复杂推理、长链条规划上的能力无法与云端大模型正面竞争。
还有 26 条时间轴事件
全部知识事实 (20)
本地AI的核心吸引力在于隐私、低延迟和离线可用性
70%已验证模型权重不能把显存占满，必须为 KV 缓存和推理过程预留空间，128K 上下文所需的 KV 缓存可能高达数 GB 甚至超过模型权重本身
65%待验证LFM2.5-8B-A1B支持128K token的上下文窗口长度
95%部分验证LFM2.5-24B-A2B 在 Apple M5 Max 上解码速度达到 184 tokens/s。
65%部分验证Liquid AI 发布了开放权重模型 LFM2.5-24B-A2B，采用混合专家（MoE）架构，总参数量 24B，每次推理仅激活 2B 参数，面向端侧智能体场景。
65%待验证LFM2.5-24B-A2B 采用 40 层架构：30 个双门控短卷积块 + 10 个 GQA 注意力层，每 MoE 块 64 个专家，top-4 路由，131,072 token 上下文，128K 词表。
60%待验证该用户尚未对 LFM2.5-24B-A2B 在 AI-Council 议会模式下的洞察能力下结论，需要更长时间的测试。
50%待验证在 AMD W7900 显卡上使用 llama.cpp 配合 ROCm 后端，LFM2.5-24B-A2B 的 Q8 量化版本持续推理速度约为 95 tokens/秒。
50%待验证LFM2.5-24B-A2B 在机械性任务中表现稳定，长时间运行的递归任务中也没有让用户失望。
50%待验证Liquid AI公布的数据显示LFM2.5-24B-A2B在工具使用类benchmark上击败了Qwen3.6-35B-A3B
50%待验证对于构建本地Agent任务（如自动化脚本编排、浏览器操作、文件管理），LFM2.5-24B-A2B的速度优势更适合；对于代码辅助任务，Qwen3.6-35B-A3B更合适
50%待验证LFM2.5-24B-A2B和Qwen3.6-35B-A3B都是开源可本地部署的MoE架构模型，硬件需求在消费级高端设备范围内
50%待验证LFM2.5-24B-A2B在八项工具使用基准中，在五项上超过了Qwen3.6-35B-A3B。
50%待验证2B 级别的激活参数意味着模型在复杂推理、长链条规划上的能力无法与云端大模型正面竞争。
50%待验证LFM2.5-24B-A2B 的总参数量为 24B，激活参数约为 2B 级别。
50%待验证Liquid AI 官方建议将本地模型与 RAG 检索系统配对，以弥补静态知识库的规模局限。
50%待验证在 macOS + Apple Silicon 上通过 MLX（mlx-lm>=0.32.0）运行 LFM2.5-24B-A2B，可在 16GB 内存以内达到 150 tokens/秒以上。
50%待验证在 Linux/Windows 上可通过 llama.cpp 加载官方 Q4_K_M 量化检查点，并启用层加速（-ngl 99）启动兼容 OpenAI API 格式的本地 HTTP 服务器。
50%待验证LFM2.5-24B-A2B 在单张 NVIDIA B300 私有云加速器上吞吐超过 21,000 tokens/秒。
50%待验证在 AutomationBench 评测中，LFM2.5-24B-A2B 得分 27.69%，高于 Qwen3.6-35B-A3B 的 8.72%、Gemma-4-26B-A4B 的 5.46% 和 Nemotron-3.5-Lightning 的 2.61%。
50%