你让 AI 在电脑上查资料、调用软件，再整理成答案，往往会遇到一个现实问题：模型越强，通常越吃算力；模型越小，又可能应付不了复杂任务。Liquid AI 的新模型 LFM2.5-24B-A2B 想在两者之间找平衡：它装下 240 亿参数，但生成每个 token——可以粗略理解为一小段文字——时，只让其中 24.5 亿参数参加计算。
标题里的“只唤醒 2B”因此只是近似说法。更准确的数字是 2.45B，而且指每个 token 的激活量，不是整次请求只使用固定的 2.45B。本文的结构与性能数字主要来自 Liquid AI 的官方模型卡；速度和排行榜成绩尚无独立测试佐证。
像一家按需叫人的事务所
LFM2.5-24B-A2B 是一个 MoE（Mixture of Experts，混合专家）模型。可以把它想成一家拥有许多不同专长员工的事务所：人才都在，但处理一项具体工作时，不必让所有人同时开会。
模型的每个 MoE 模块包含 64 个“专家”——也就是分工不同的子网络。生成每一步时，路由机制只选择其中 4 个，这叫 top-4 routing。于是，模型保留了 24B 的总容量，实际单步计算量却压到 2.45B。需要注意，其余权重不能删掉，因为下一步可能会选中另一组专家。
它共有 40 层，其中 30 层是 double-gated short convolution blocks，另外 10 层采用 GQA。官方材料没有进一步解释这些模块各自贡献了多少性能，因此这里不宜仅凭结构名称推断效果。可以确定的是，Liquid AI 把设计重点放在了“较大容量、较低单步激活量”这组组合上。
这也接上了本刊此前追踪的另一条路线。9 月 28 日和 10 月 9 日，我们分别介绍过让 MoE 权重借道磁盘，以及让 llama.cpp 按需缓存专家。那些工作在解决“怎样装下模型”；LFM2.5-24B-A2B 更关心“装下以后，每一步怎样少算一点”。
它为什么盯着 Agent？
这个模型面向工具调用型 Agent。所谓工具调用，是让模型按规定格式请求搜索、数据库或其他软件功能，再根据返回结果继续工作。模型不只聊天，还要判断何时调用什么工具，并正确处理结果。
LFM2.5-24B-A2B 还会在正式回答前强制进行推理。直观地说，它被要求先打一遍草稿，再给出结论。这样可能有利于复杂任务，但草稿本身也要逐 token 生成，会增加输出长度、等待时间和计算量。低激活 MoE 的意义正在这里：既然推理步骤无法省掉，就尽量降低每一步的成本。
按照官方模型卡的数据，它在工具使用基准 LiveClaw 上得到 48.09 分，高于材料中所称 Qwen3.6-35B-A3B 的 38.19 分。不过，这个对手名称和比较条件在供稿中无法进一步确认，所以这组成绩更适合看作厂商给出的定位信号，而不是已经坐实的全面领先。
本地运行，才是这套设计的落点
官方模型卡称，它在端侧推理中最高比可比 MoE 快 1.7 倍；在 Apple M5 Max 上达到 184 tok/s，在单张 NVIDIA B300 上最高达到 21K output tok/s。材料没有披露这些测试的量化精度、上下文长度、批量大小和具体对照模型，三组数字不能直接外推到普通用户的设备，但至少说明 Liquid AI 优先优化了本地和高吞吐部署。
模型支持 131,072 tokens 的上下文，词表大小为 128,000，训练预算为 36 trillion tokens。它是纯文本通用推理模型，支持包括英语、中文在内的 16 种语言，也是 LFM2.5 系列最大且最后一个型号；该系列从 230M 一直延伸到 24B。
这背后延续了 Liquid AI 一贯的公司叙事。据 WIRED 与 MIT CSAIL 介绍，团队早期研究的 liquid neural networks 受到秀丽隐杆线虫约 302 个神经元的神经系统启发，希望用更小的网络完成复杂工作。今天的 LFM 已不是简单照搬“虫脑”，但“用较少的实际计算承载更多能力”仍是同一个方向。
局限与未知
- 24B 总参数仍需存放；2.45B 激活量降低的是每一步的计算需求，不等于模型只占一个 2.45B 模型的存储空间。
- LiveClaw、1.7 倍加速及两组吞吐数字都来自官方模型卡，缺少完整测试配置和独立复现。
- Liquid AI 建议在知识密集型任务中搭配检索或网页搜索。这意味着工具调用表现不能直接等同于事实知识可靠性。