摘要： Liquid AI 於 2026 年 5 月 28 日推出 LFM2.5-8B-A1B，總參數 8B、每 token 約啟用 1B，定位為裝置內助理與代理模型。預訓練從 12T tokens 增至 38T，上下文擴到 128K，推理與工具呼叫分數大幅提升。權重已上架，但授權是自訂 LFM 1.0，不是 Apache 2.0，商用前應先檢視條款。
Liquid AI 在 2026 年 5 月 28 日推出 LFM2.5-8B-A1B，Base 版本同步現身，用來接替前代 LFM2-8B-A1B。這是一款稀疏 MoE 模型，參數總量 8B，每個 token 實際動用約 1B。官方交給它的任務是擔任「裝置內個人助理」——進駐邊緣裝置、筆電與手機，以工具呼叫與 agentic 工作流程為核心，並且在回答之前，先把明確的思考鏈完整寫出來。
這回規格幾乎沒動，加碼的全在訓練量：預訓練資料由 12T tokens 一舉推上 38T，上下文也從 32,768 放大到 128K。本地模型追近雲端的路徑正在改變——關鍵不再是把參數堆高，而是資料規模與訓練流程的分工。
預訓練 12T 變 38T：訓練拆成三段
訓練流程分三段進行。起點是 38T tokens 的預訓練；接著投入 2T tokens 做中期訓練，內容鎖定推理、數學、工具使用與長文件，上下文在此先拉到 32K；末段再補 400B tokens，同時調高 RoPE base θ，上下文於是一路開到 128K。詞表同步處理：由 65,536 擴成 128K 個 BPE tokens，做法是原地擴充。
強化學習階段有兩個設計值得留意。其一，偏好最佳化特別針對「doom loops」，也就是模型在同一處反覆打轉、走不出來的情況；其二，獎勵採用 avg@k——同一道題抽樣作答多次，再按答案彼此一致的程度計分，幻覺就這樣被壓低。
跑分結果：推理與工具呼叫雙雙跳升
以前一代 LFM2-8B-A1B 為對照（舊版分數 → 新版分數）：
- IFEval：79.44 → 91.84
- MATH500：74.80 → 88.76；AIME25：20.00 → 42.53，AIME26 達 50.00
- BFCLv3：45.07 → 64.36；BFCLv4：25.52 → 48.50
- Tau² Telecom：13.60 → 88.07；Tau² Retail：7.02 → 39.82
- 非幻覺率（Non-Hallucination Rate）：7.46 → 63.47
升幅最大的兩組分數——BFCL 與 Tau²——恰好都在量工具呼叫，這與它作為裝置內代理的定位完全吻合。詞表放大之後，tokenizer 在 16 種語言的效率均見提升：泰文 +238.2%、印地文 +120.4%、越南文 +117.9%、阿拉伯文 +38.8%。
只做推理的設計，以及它的代價
這款模型只提供 reasoning-only 一種模式：任何回答之前，都得先把明確的思考鏈寫出來。數學題與多步驟任務因此直接受益，幻覺率也隨之走低；相應的成本則是延遲變長、token 用量變多。把它放進手機這種對反應速度最斤斤計較的場景，無疑是大膽的決定——不過 Liquid AI 顯然已經判斷：值得等待的回答，才配得上這個代價。
速度表現：CPU 就有每秒 253 tokens
官方給出的推理數據是：Apple M5 Max 的 CPU 每秒可產生 253 tokens；AMD Ryzen AI Max+ 395 每秒 146 tokens，記憶體用量壓在 6GB 以下；手機平台大約每秒 30 tokens。換到 GPU，一張 H100 SXM5 在高併發下每秒輸出 18.5K tokens，換算一整天下來超過 16 億 tokens。
架構照舊走混合式：稀疏 MoE 結合 GQA 與 gated short convolution 區塊。Hugging Face 模型卡載明：全部 24 層，其中 18 層 convolution、6 層 GQA；參數總計 8.3B，每個 token 啟用 1.5B。
權重已開放，授權條款先看清楚
權重已經在 Hugging Face 上架（LiquidAI/LFM2.5-8B-A1B），備有 GGUF、ONNX 與 MLX 格式；官方的說法是「下載、微調、部署，沒有限制」。但要注意，模型卡登記的授權是 Liquid 自訂的 LFM 1.0 條款，而不是 Apache 2.0——打算收進商業產品的話，條款最好先讀過一輪。
端側 AI 開發者能從中拿到什麼
有三個訊號值得記下。第一，128K 上下文已經下放到手機級模型，長文件、多輪對話與本地 RAG 都成為切實可做的應用。第二，工具呼叫分數（BFCLv4 來到 48.50）已經撐得起一個認真打造的「本地代理」，而且 llama.cpp、vLLM、SGLang 等主流框架在第一天就完成支援。第三，每 token 只啟用約 1B 的 MoE 再次印證：左右端側體驗的是「啟用量」，不是「總參數」——無論硬體選型或續航考量，這都是好消息。