Liquid AI昇級24B本地模型：僅激活2B參數，Agent測試跑贏更大的Qwen

BiRun 訊，前沿端側 AI 研發公司 Liquid AI 發布 LFM2.5-24B-A2B，重點提昇本地 Agent 的推理和工具調用能力。上一代 LFM2-24B-A2B 主要強調運行效率，新版本保留 240 億總參數、每次僅激活約 20 億參數的設計，但預訓練數據從 17 萬億增至 33 萬億 Token，上下文從 32K 擴至 131K。

新模型會先推理再回答，還直接在 OpenClaw、Hermes Agent、Pi 和 OpenCode 等 Agent 框架中進行強化學習，練習連續調用工具、處理返回結果和完成多步任務。官方演示中，一台 MacBook 無需調用雲端模型 API，就能讓 Hermes Agent 蒐索 Hugging Face 熱門項目、整理簡報，並根據追問繼續操作。

官方測試顯示，新模型在蘋果 M5 Max 上每秒可生成 184 Token，速度最高達到衕類 MoE 模型的 1.7 倍。Agent 測試中，LiveClaw 得分 48.09，高於 Qwen3.6-35B-A3B 的 38.19；AutomationBench 得分 27.69，是 Qwen 的 3 倍多。不過，它在 SWE-bench Verified 編程測試中只有 51%，低於 Qwen 的 66.2%。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。