24B端侧模型瞄准本地Agent

你让 AI 整理电脑里的资料、调用应用完成任务，通常要把请求交给云端。Liquid AI 发布的 LFM2.5-24B-A2B，瞄准的是另一条路：让这类本地 Agent——能规划步骤、调用工具并执行任务的 AI——直接在设备上运行，减少数据外传，也降低对网络的依赖。

模型共有约 240 亿个参数，但处理每个 token（模型读写文字的基本单位）时只启用约 20 亿个。Liquid AI 自述，它在 Apple M5 Max 上可达每秒 184 个 token；在八项 Agent 与工具调用测试中，有五项追平或超过参数更多的 Qwen3.6-35B-A3B。例如 LiveClaw 得分为 48.09，对手为 38.19；AutomationBench 则是 27.69 对 8.72。工具调用测试衡量 AI 能否选对并使用外部工具，但分数不等于真实设备上的长期稳定性。模型已开放权重，不过本地运行仍受内存、算力与权限控制约束，尤其要防止它误操作文件或应用。