Liquid AI LFM2.5-2.6B：端侧 Agent 的新标杆
事件背景
2026 年 8 月 6 日，Liquid AI 发布了 LFM2.5-2.6B，一个专为边缘设备设计的 Agent 模型。这是端侧 AI 从简单推理向复杂 Agent 行为演进的重要里程碑，展示了在极低硬件约束下实现有用 Agent 能力的可能。
关键事实
- 参数规模：2.69B（26.9 亿）参数
- 上下文长度：128K tokens（部分来源称 131K）
- 训练数据：~34T tokens
- 推理速度：M5 Max 220 tok/s，手机 30 tok/s
- 内存占用：<2.5GB
- 硬件要求：可在树莓派上运行
- 架构：混合架构（22 short-conv + 8 GQA 层）
- 许可：开放权重 lfm1.0 许可
- 生态支持：llama.cpp / MLX / vLLM / SGLang / ONNX
技术机制：混合短卷积 + GQA 架构
LFM2.5-2.6B 采用了独特的混合架构设计：
- Short-Conv 层（22 层）：利用短程卷积捕获局部模式，计算效率高
- GQA 层（8 层）：Grouped Query Attention 处理长程依赖
- 128K 上下文：通过架构优化在端侧实现超长上下文
- 低内存占用：量化和架构优化使模型可在 <2.5GB 内存中运行
这种架构在编码能力上略逊于 Qwen3.5-9B（59.41 vs 69.86），但在 Agent 任务和内存效率上有优势。
影响分析
对于边缘设备开发者，这意味着可以在不依赖云端的情况下部署有用的 Agent。对于受监管行业，本地推理解决了数据隐私问题。MacPaw 与 Liquid AI 的合作表明消费级应用已经开始采用端侧 Agent 模型。
风险边界与不确定性
- 编码能力弱于同规模竞品（Qwen3.5-9B）
- BFCLv4 工具调用基准略逊
- Agent 能力的实际效果需要更多独立评测
- 开放权重许可的具体限制需要确认
后续观察信号
- MacPaw Eney 集成后的用户反馈
- 企业端侧部署案例和效果数据
- 与 Google Gemini Robotics 2 的配合使用场景
- 后续版本在编码能力上的改进
AI Master 解读
核心事件
Liquid AI 发布 LFM2.5-2.6B，一个专为边缘设备设计的 Agent 模型。2.69B 参数、128K 上下文、M5 Max 220 tok/s、手机 30 tok/s、<2.5GB 内存、可在树莓派上运行。混合架构（22 short-conv + 8 GQA 层），开放权重 lfm1.0 许可。
行业影响
为什么重要： 这是端侧 AI 从简单推理向复杂 Agent 行为演进的重要里程碑，展示了在极低硬件约束下实现有用 Agent 能力的可能。MacPaw 与 Liquid AI 的合作表明消费级应用已经开始采用端侧 Agent 模型。
影响分析： 对于边缘设备开发者，这意味着可以在不依赖云端的情况下部署有用的 Agent。对于受监管行业，本地推理解决了数据隐私问题。
风险边界： 编码能力略逊于 Qwen3.5-9B（59.41 vs 69.86）；BFCLv4 工具调用基准略逊；Agent 能力的实际效果需要更多独立评测。
AI Master 建议
评估端侧 Agent 模型在特定业务场景的适用性，特别关注数据隐私要求高的场景（医疗、金融、法律）。关注 MacPaw Eney 集成后的用户反馈，以及与 Google Gemini Robotics 2 的配合使用场景。