Liquid AI升级24B本地模型，Agent测试成绩超过更大Qwen模型

Liquid AI 发布本地模型 LFM2.5-24B-A2B，重点提升本地 Agent 的推理和工具调用能力。

上一代 LFM2-24B-A2B 主要强调运行效率。新版本保留 240 亿总参数、每次仅激活约 20 亿参数的设计，同时把预训练数据从 17 万亿增至 33 万亿 Token，上下文长度也从 32K 扩展到 131K。

按照官方介绍，新模型会先推理再回答，并直接在 OpenClaw、Hermes Agent、Pi 和 OpenCode 等 Agent 框架中进行强化学习，训练连续调用工具、处理返回结果和完成多步任务。

官方演示显示，在一台 MacBook 上，无需调用云端模型 API，Hermes Agent 就可以搜索 Hugging Face 热门项目、整理简报，并根据后续追问继续执行操作。

官方测试数据显示，LFM2.5-24B-A2B 在苹果 M5 Max 上每秒可生成 184 Token，速度最高达到同类 MoE 模型的 1.7 倍。

在 Agent 测试中，LiveClaw 得分为 48.09，高于 Qwen3.6-35B-A3B 的 38.19；AutomationBench 得分为 27.69，是 Qwen 的 3 倍多。不过，在 SWE-bench Verified 编程测试中，该模型得分为 51%，低于 Qwen 的 66.2%。