Liquid AI 发布 LFM2.5-24B-A2B：专为端侧 Agent 打造的“性能怪兽”

核心事件

Liquid AI 正式发布 LFM2.5-24B-A2B 模型，这是一款拥有 240 亿参数的非 Transformer 架构大模型，旨在通过极高的推理效率和卓越的长文本处理能力，为端侧 AI Agent 提供高性能的底层支持。

• ▶ 架构范式转移：Liquid 架构通过线性复杂度的算子取代了 Transformer 的平方复杂度，彻底解决了长上下文场景下的 KV Cache 膨胀痛点，在 24B 规模下实现了超越 Llama 3.1 70B 的推理表现。
• ▶ 专注 Agent 闭环：该模型针对工具调用（Tool Use）和复杂推理进行了深度对齐，使其在处理自动化任务流时具备极低的延迟和极高的准确度，是目前端侧部署的最优选之一。

八卦洞察

Liquid AI 的这波操作本质上是在挑战 Transformer 的“算力霸权”。目前大模型行业正处于从“云端竞赛”转向“端侧爆发”的临界点。LFM2.5-24B-A2B 的出现证明了：在端侧设备（手机、PC）有限的显存和算力约束下，单纯靠蒸馏 Transformer 模型是不够的，底层的架构创新才是实现“以小博大”的唯一路径。Liquid AI 正在试图定义下一代 AI 硬件的软硬结合标准，其线性扩展的特性让它在 RAG（检索增强生成）和长对话场景中拥有近乎降维打击的成本优势。

行动建议

对于希望在端侧实现复杂 Agent 功能的开发者，建议立即评估 LFM2.5 的集成可行性，尤其是在对首字延迟（TTFT）敏感的实时交互场景。硬件厂商应关注 Liquid 算子在 NPU 上的底层适配，这可能成为未来差异化竞争的关键。企业级架构师在构建高吞吐量 RAG 系统时，应考虑将 LFM2.5 作为降低 VRAM 成本的替代方案。