Liquid AI 在官方博客发布了新模型 LFM2.5-24B-A2B，页面标题将其定位为“为快速的端侧智能体而构建”（Built for fast on-device agents）。除该发布页与标题外，目前可获得的公开信息有限，官方未在给出的材料中披露参数规模细节、基准测试成绩、许可协议或支持的硬件范围。
从命名规则看，LFM 是 Liquid AI 的模型系列命名，2.5 代表代际更新，而“24B-A2B”符合业界常见的稀疏（MoE 类）命名方式：总参数量约 24B，每个 token 实际激活的参数量约 2B。若这一解读成立，该模型在保留较大总容量的同时，把单次前向的计算量与内存带宽需求压到接近 2B 级别，而这正是端侧部署最关心的指标。
为什么值得关注：端侧智能体需要在本机完成多步推理、工具调用与短上下文交互，对首 token 延迟、功耗和内存占用极为敏感，同时对数据不出设备的隐私诉求更高。把“智能体能力”与“小激活参数”结合，是目前模型厂商争夺的一条清晰赛道——云端大模型负责复杂任务，本地模型负责低延迟、高频、隐私敏感的调用。LFM2.5-24B-A2B 的命名显示，Liquid AI 正把此前的端侧路线继续推向更大总容量、更小激活开销的方向。
对开发者而言，接下来需要关注的是：模型是否开放权重及采用何种许可、是否提供量化版本、支持哪些端侧推理框架与芯片，以及在工具调用、函数调用等智能体任务上的实际表现。这些信息需以官方博客原文为准。