LFM2.5-24B-A2B 是 Liquid AI 发布的 24B 参数推理模型，但每个 token 只激活 2B 参数。定位很明确：在用户自己的硬件上连续运行快速、私密的 agent。它在回答前会生成思维链，能调用工具，也能在常见 agent harness 里处理多步任务。由于激活参数少，推理 token 的成本低，这让设备端持续运行成为可能。

架构上它延续 LFM2-24B-A2B：40 层，每个 MoE 块 64 个专家、top-4 路由，混合 gated short convolutions 和 GQA。上下文窗口从 32K 扩展到 131K，词汇表从 65K 翻倍到 128K，改善非拉丁语的 tokenization。与前代不同，它只做推理，会在最终答案前输出显式思维链。

训练规模明显加大。预训练从约 17T token 增加到约 33T；中期训练加入 32K 上下文下的 2T token（侧重推理、数学、代码、指令跟随和多语言）以及 131K 上下文下的 300B token（侧重长上下文）。工具调用和多轮轨迹在中期训练的两个阶段中都有出现。后训练分五步：SFT、teacher specialization、两阶段 MOPD（非 agentic 和 agentic），最后在 OpenClaw、Hermes Agent、Pi、OpenCode 等 harness 里做 Agentic RL。

在 16 项基准上，它与 Qwen3.6-35B-A3B、Gemma-4-26B-A4B-it、Nemotron-3.5-Lightning 对比，是参数最少的一个，但表现不落下风。工具使用和 agentic 方面，LiveClaw 得 48.09，对比 Qwen 的 38.19；AutomationBench 得 27.69，是次优模型 8.72 的三倍多。BFCLv4、ToolSandbox、τ³-Bench Banking 也领先或持平。指令跟随的 IFEval、IFBench、Multi-IF 三项全部领先。但知识密集（GPQA Diamond、HLE、AA-Omniscience）和编码（SWE-Bench Verified、SciCode）上，更大的模型仍有优势，官方建议知识密集场景搭配检索或网络搜索。

推理速度上，Apple M5 Max 上 184 tok/s，Ryzen AI Max+ 395 上 114 tok/s，速度最高为次优模型的 1.7 倍，内存占用最少；单块 NVIDIA B300 高并发下输出超过 21K output tok/s。发布当天就支持 llama.cpp、MLX、vLLM、SGLang、ONNX。使用上只需 transformers>=5.0.0 加载模型，或通过 OpenAI 兼容后端接到 Hermes Agent 等 harness，端口按后端区分（llama.cpp/MLX 用 8080，vLLM 用 8000，SGLang 用 30000，LM Studio 用 1234）。模型以开放权重发布在 Hugging Face。