LFM2.5-2.6B – Liquid AI发布的一款开源端侧智能体模型

LFM2.5-2.6B是由人工智能初创企业Liquid AI于2026年8月5日正式发布的一款开源端侧智能体模型。该模型隶属于 Liquid AI 的 Liquid Foundation Models（LFM）系列，拥有仅 26亿（2.6B）参数，专为在智能手机、笔记本电脑、物联网设备等终端上完全本地运行而设计。

LFM2.5-2.6B无需依赖云端API，即可在设备端支持完整的智能体工作流，包括规划、工具调用与多步骤复杂任务处理。它以极小的体积实现了接近大模型数倍参数量的智能体能力，被业界视为”端侧智能体真正落地”的标志性产品。

LFM2.5-2.6B核心特点

1. 极致轻量，手机可跑

仅26亿参数的规模，使得LFM2.5-2.6B可以完全在智能手机上本地运行，无需联网、无需云端算力支持。用户无需担心隐私数据上传，也无需承担API调用费用。

2. 智能体能力突出

不同于传统的轻量级对话模型，LFM2.5-2.6B 专为智能体工作流设计，具备：

任务规划能力：可将复杂目标分解为可执行子步骤
工具调用能力：能准确生成函数调用格式，与外部工具交互
多步骤处理：支持连续多轮决策，完成链式任务

3. 性能媲美四倍体量模型

在指令遵循和工具使用基准测试中，LFM2.5-2.6B 的表现可媲美参数量接近其四倍的大模型（约10B级别），远超同规模竞品。

4. 推理速度优异

在 M5 Max 芯片上：220 tokens/秒
在普通智能手机上：稳定30 tokens/秒

这一速度足以保证流畅的实时交互体验。

5. 多语言支持增强

通过扩展现有分词器，LFM2.5-2.6B 显著提升了对非拉丁字母语言的处理能力，包括中文、阿拉伯文、日文、韩文等，词表规模达到 128K。

6. 完全开源

基础版本与后训练版本均已上线 Hugging Face 平台，供全球开发者自由下载、微调和二次开发。

LFM2.5-2.6B技术原理

混合架构设计

LFM2.5-2.6B 继承了 LFM2 系列的混合架构设计，核心组件包括：

短程门控卷积（Short-range Gated Convolution）：负责捕捉局部上下文特征，计算效率高，适合处理短距离依赖关系，在端侧设备上运行开销极低。
分组查询注意力（Grouped Query Attention, GQA）：在保持全局建模能力的同时，大幅降低KV缓存的内存占用，使得长上下文推理在有限内存的设备上成为可能。

两种机制交替堆叠，兼顾了局部特征提取的效率与全局语义理解的质量，支持 32K 上下文长度。

大规模预训练

预训练数据规模：约 34万亿（34T）Token
覆盖多领域、多语言文本
分词器经过专门优化，扩展至128K词表，增强非拉丁文字编码效率

四阶段后训练流程

LFM2.5-2.6B 的后训练采用精心设计的四阶段流水线：

表格

阶段	名称	作用
第一阶段	监督微调（SFT）	在高质量指令-响应对上训练，建立基础指令遵循能力
第二阶段	教师特化（Teacher Specialization）	利用领域专家模型生成针对性训练数据，强化特定能力维度
第三阶段	多领域在策略蒸馏（Multi-domain On-policy Distillation）	从多个大模型中蒸馏知识，覆盖代码、数学、推理、对话等多领域
第四阶段	智能体强化学习（Agent RL）	在真实智能体环境中进行强化学习，优化规划、工具调用和多步决策能力

这一训练路径使模型不仅具备通用语言能力，更在智能体场景下获得了经过验证的实战能力。

端侧推理优化

模型结构针对移动端 CPU/NPU 计算特性优化
支持 GGUF 等量化格式，可通过 llama.cpp 等主流推理框架部署
内存占用控制在移动设备可承受范围内
推理延迟低，响应流畅

LFM2.5-2.6B核心优势

1. 隐私安全

所有推理完全在本地设备完成，用户数据不出设备，天然满足隐私合规要求，适用于医疗、金融、法律等敏感场景。

2. 零成本运行

无需云端API调用，无需按token付费，一次部署即可无限次使用，大幅降低智能体应用的运营成本。

3. 低延迟、离线可用

不依赖网络连接，在飞行模式、地下室、偏远地区等无网环境下依然可用。推理延迟仅取决于本地算力，无网络往返开销。

4. 小体积大能力

26亿参数实现接近10B级模型的智能体性能，打破了”大模型才能做复杂任务”的固有认知。在指令遵循和工具调用维度上，性能/参数比极为突出。

5. 开源生态友好

完全开源，开发者可自由下载、微调、量化、部署。社区可基于此模型构建垂直领域智能体，无需从头训练。

6. 多语言与多场景适配

128K词表覆盖全球主要语言，四阶段后训练确保模型在对话、推理、工具调用、信息提取等多种任务上均有良好表现。

LFM2.5-2.6B性能表现

基准测试亮点

指令遵循：在IFBench等指令遵循基准上表现优异，可媲美近四倍参数量的模型
工具调用：在BFCL等函数调用/工具使用基准上，准确率和格式合规性均处于同规模领先水平
智能体任务：在规划、多步推理、环境交互等智能体评测中表现突出
数学与推理：具备较强的逻辑推理和数学计算能力

已知局限

编程能力：与头部大参数模型相比，在复杂代码生成和调试任务上仍存在可感知的差距。这是轻量化模型在参数容量上的固有取舍。
超长文本生成：受限于32K上下文和参数规模，在超长连贯文本创作方面不如大模型。
知识广度：26亿参数的知识容量有限，对于极冷门领域的知识问答可能不够全面。

LFM2.5-2.6B应用场景

1. 手机端AI助手与智能体

在手机本地运行智能体，自动完成日程管理、信息整理、跨App操作等任务，无需将用户数据上传云端。

2. 离线环境智能工具

在飞机、船舶、矿山、偏远地区等无网络覆盖的场景中，提供本地AI决策支持、文档处理、信息查询等服务。

3. 隐私敏感行业

医疗：在院内设备本地处理病历分析、辅助诊断建议
金融：在终端设备完成合规审查、风险评估的初步推理
法律：本地合同分析、条款提取，数据不出律所

4. IoT与边缘计算

在智能家居、工业传感器、车载系统等边缘设备上部署轻量智能体，实现本地决策与响应，降低对云端的依赖。

5. 开发者工具集成

代码补全与简单调试辅助
本地RAG检索增强生成
数据提取与格式转换
自动化测试脚本生成

6. 教育与研究

作为轻量级开源模型，适合学术界研究端侧AI、模型压缩、智能体训练方法论等方向，低硬件门槛降低了研究成本。

7. 嵌入式智能体产品

智能手表、AR眼镜、翻译机、学习机等嵌入式产品可集成LFM2.5-2.6B，实现本地AI交互而无需持续联网。

模型版本与获取

表格

版本	说明
LFM2.5-2.6B（基础版）	预训练完成的基座模型，适合开发者自行微调
LFM2.5-2.6B（后训练版）	经过四阶段后训练的指令/智能体模型，可直接使用

两个版本均可在 Hugging Face 平台免费下载。支持 GGUF、SafeTensors 等主流格式，兼容 llama.cpp、Ollama、vLLM 等推理框架。

与同系列模型的关系

表格

模型	参数量	发布时间	定位
LFM2-2.6B	26亿	2025年12月	第二代基础模型
LFM2-2.6B-Exp	26亿	2025年12月	纯RL实验版本
LFM2.5-1.2B-Instruct	12亿	2026年1月	超轻量指令模型
LFM2.5-1.2B-Thinking	12亿	2026年1月	端侧推理模型
LFM2.5-2.6B	26亿	2026年8月	端侧智能体模型（最新）