官方博客与 model card 确认权重、架构、运行时集成、厂商 benchmark 和自定义许可限制。
Liquid AI 发布 LFM2.5-24B-A2B 推理模型
2026-10-14前沿观察TRIAL
Liquid AI 发布 LFM2.5-24B-A2B 的 base 与 post-trained 权重。该 MoE 模型总参数 24B，每个 token 激活 2B，面向本地设备与服务器上的推理和工具调用，并首日支持 llama.cpp、MLX、vLLM、SGLang 与 ONNX。自定义许可允许许多商业用途，但年收入达到 1000 万美元的主体需另行授权。
对你意味着什么
对做本地 agent 的团队来说，它提供了一条不必激活全部 24B 参数的推理路径。但性能数字来自厂商，自定义许可又设有营收门槛，上生产前仍要用自己的工具 schema、延迟和内存预算验证。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 架构 | 总参数 24B，每个 token 激活 2B |
|---|---|
| 公开材料 | base 与 post-trained 权重公开；核验时 model card 没有托管推理 provider |
| 运行时支持 | llama.cpp、MLX、vLLM、SGLang 与 ONNX |
| 厂商结果 | Liquid AI 称在八项 agent 与工具调用 benchmark 中五项获胜或持平；coding 与知识任务不够稳定 |
| 厂商速度 | M5 Max 184 tok/s、Ryzen AI Max+ 395 114 tok/s；B300 高并发下输出超过 21K tok/s |
| 许可 | LFM Open License v1.0；年收入至少 1000 万美元的主体需另行授权 |
| 时间依据 | Hugging Face blog feed 时间戳为 2026-10-13T17:05:48Z |
技术影响 4
工程价值 4
采用信号 2
成熟度 3
验证成本 3
风险 4