整理：TopAIMap 编辑
Liquid AI 发布 LFM2.5-24B-A2B：24B 开源权重、仅 2B 激活的本地 Agent 模型
LFM2.5 系列收官：总参 24B、每 token 激活约 2B，131K 上下文；官宣称 5/8 agentic 基准对标更大 Qwen3.6-35B-A3B，M5 Max 约 184 tok/s。
Liquid AI 于 2026-10-13 发布 LFM2.5-24B-A2B，为 LFM2.5 家族最大且收官成员：总参数约 240 亿、每 token 仅激活约 20–24.5 亿（64 expert MoE、top-4），上下文由 32K 扩至 131K，词表扩至 128K；预训练约 33T token，并在 Hermes/OpenClaw/Pi/OpenCode 等 harness 内做 agentic RL。官方称在 8 项 agentic/工具基准中有 5 项对标或领先参数约大 50% 的 Qwen3.6-35B-A3B（AutomationBench 27.69 vs 8.72、LiveClaw 48.09 vs 38.19）；端侧解码约 184 tok/s（Apple M5 Max）、单卡 B300 高并发输出可达约 21K tok/s。Base 与后训练权重已上 Hugging Face（含 GGUF/MLX/ONNX/FP8）。X 官方帖约 2393 赞、约 18.8 万曝光、288 转发。
谁能用：开源权重可免费下载、本地微调与自托管（见模型许可）；Liquid Console API 约 $0.10/百万输入（缓存输入约 $0.05）、$1.00/百万输出，注册送约 $2 试用额度。面向笔记本/PC 私有 Agent，非消费级聊天 App 订阅。日一支持 llama.cpp、MLX、vLLM、SGLang、ONNX。知识向任务官方建议搭配检索/联网。 解读：把「大总参 + 小激活」做成可在消费级本机跑的持续 Agent，比单纯刷开放权重榜更贴近本地落地。讨论：① 推理-only 强制思维链会不会拖慢本地交互体感？② 企业会优先选此类本地 MoE，还是继续绑云端前沿 API？ 来源：Liquid AI Blog https://www.liquid.ai/blog/lfm2-5-24b-a2b | Hugging Face https://huggingface.co/LiquidAI/LFM2.5-24B-A2B | X @LiquidAI https://x.com/LiquidAI/status/2110055807194931348
参考资料
