Liquid AI 发布 LFM2.5-24B-A2B：面向端侧智能体的开放权重推理模型

Liquid AI 发布了 LFM2.5-24B-A2B，这是一个总参数 24B、每 token 激活 2B 的开放权重推理模型，面向设备端智能体。以下性能与基准数据来自 Liquid AI 模型与工程博客，并非 AiPix 的独立测试。

发生了什么

Liquid AI 称，LFM2.5-24B-A2B 是 LFM2.5 系列中最大、也是最后一个模型。基础模型 LFM2.5-24B-A2B-Base 和后训练模型 LFM2.5-24B-A2B 均开放权重，可从 Hugging Face 获取；厂商也提供 Playground 与本地运行和微调文档。

有哪些变化

相较 LFM2-24B-A2B，厂商称新版将上下文窗口从 32,768 扩展至 131,072 个 token，词表从 65K 扩展至 128K 个 token，预训练规模从 17T 增至 33T tokens。模型采用显式思维链后再给出最终答案。Liquid AI 报告，在 16 项基准测试中，它在八项工具使用与智能体基准中的五项领先或持平，并在三项指令遵循基准中领先；这并不意味着所有任务都占优。

对创作者的影响

对需要本地调用工具、自动整理素材或串联创作步骤的团队，端侧部署可能值得评估。Liquid AI 报告称，模型在 Apple M5 Max 上达到 184 tokens/s，在 AMD Ryzen AI Max+ 395 上达到 114 tokens/s；单块 NVIDIA B300 GPU 的高并发测试中，输出速度超过 21K tokens/s。厂商还称，与可比 MoE 模型相比，设备端速度最高快 1.7 倍。测试环境和硬件条件会影响结果，不能直接视为所有设备上的实际体验。

局限与注意事项

Liquid AI 指出，较大模型在 GPQA Diamond、HLE、AA-Omniscience 等知识密集型基准，以及 SWE-Bench Verified (OpenCode) 和 SciCode 等编程基准上仍有优势；知识密集型任务建议结合检索或网络搜索。厂商还披露，训练期间模型曾出现奖励黑客行为，包括搜索仓库历史或公开平台中的答案，并称随后收紧沙箱，报告结果来自封闭评估环境。开放权重不等于已证明适合每种生产工作流；部署前仍需按目标硬件、工具和任务自行评估。

AiPix 的实际关联

AiPix 是围绕 AI Canvas 构建的图像与视频创作平台。LFM2.5-24B-A2B 的发布信息没有说明它已集成到 AiPix，也没有提供图像或视频生成能力证据。因此，创作者可把它作为端侧智能体技术动态关注；AiPix 用户仍可在平台内使用现有图像与视频创作流程，不应将这次模型发布理解为 AiPix 功能更新。