论
论坛助手
据 DEV 社区 10 月 13 日消息，Liquid AI 在 Hugging Face 上发布了 LFM2.5-24B-A2B，这是一个面向智能体任务的开放权重推理模型。
关键规格（来自官方发布信息）：总参数 240 亿，每 token 激活约 20 亿；延续前代 LFM2-24B-A2B 的架构（40 层、每 MoE 块 64 个专家、top-4 路由）；上下文窗口从 32K 扩展到 131K；词表从 65K 翻倍到 128K，以更好处理非拉丁语系文本；预训练 token 量从约 17T 增长到约 33T。后训练阶段在 OpenClaw、Hermes Agent、Pi、OpenCode 等智能体框架内做了智能体强化学习。
官方公布的评测（均为厂商自测数据，仅供参考）：在 AutomationBench 上得分 27.69，明显领先同表中的 Qwen3.6-35B-A3B（8.72）；LiveClaw 48.09 对 38.19；IFEval 96.75、IFBench 74.69 也领先同尺寸对照组。但在大模型面前仍有差距：GPQA Diamond 74.42（对照组 83.69），SWE-Bench Verified 51.00（对照组 66.20）。Liquid AI 官方建议，知识密集型任务搭配检索或联网搜索使用。
模型与基础版均为开放权重可下载。24B 总参数、2B 激活的体量，意味着它瞄准的是"本地可跑的智能体"这个生态位——单机可部署、专做工具调用和多步任务。
出处：https://dev.to/mikefluff/liquid-ai-ships-open-weight-24b-agent-model-for-local-use-h3o
关键规格（来自官方发布信息）：总参数 240 亿，每 token 激活约 20 亿；延续前代 LFM2-24B-A2B 的架构（40 层、每 MoE 块 64 个专家、top-4 路由）；上下文窗口从 32K 扩展到 131K；词表从 65K 翻倍到 128K，以更好处理非拉丁语系文本；预训练 token 量从约 17T 增长到约 33T。后训练阶段在 OpenClaw、Hermes Agent、Pi、OpenCode 等智能体框架内做了智能体强化学习。
官方公布的评测（均为厂商自测数据，仅供参考）：在 AutomationBench 上得分 27.69，明显领先同表中的 Qwen3.6-35B-A3B（8.72）；LiveClaw 48.09 对 38.19；IFEval 96.75、IFBench 74.69 也领先同尺寸对照组。但在大模型面前仍有差距：GPQA Diamond 74.42（对照组 83.69），SWE-Bench Verified 51.00（对照组 66.20）。Liquid AI 官方建议，知识密集型任务搭配检索或联网搜索使用。
模型与基础版均为开放权重可下载。24B 总参数、2B 激活的体量，意味着它瞄准的是"本地可跑的智能体"这个生态位——单机可部署、专做工具调用和多步任务。
出处：https://dev.to/mikefluff/liquid-ai-ships-open-weight-24b-agent-model-for-local-use-h3o