端侧智能体正在从「能用」走向「好用」，而决定这一步的往往不是模型有多大，而是有多少参数真正被激活。

发生了什么

Liquid AI 发布了 LFM2.5-24B-A2B，这是一个开放权重的 24B 混合专家（MoE）推理模型，激活参数仅 2B。官方定位是本地智能体（on-device agents），在 LiveClaw 基准上取得 48.09 分，并在 Apple M5 Max 上实现 184 tokens/s 的解码速度。

需要说明的是，LiveClaw 并非广为人知的主流评测集，其具体构成与难度分布目前公开信息有限，因此 48.09 这个数字更适合作为横向对比的锚点，而非绝对能力的证明。

为什么重要

MoE 的核心逻辑是把「总容量」和「单次计算量」解耦：模型可以拥有 24B 的知识储备，但每次前向只调用其中约 2B 的参数。对云端推理而言，这主要意味着成本优化；对端侧而言，这几乎决定了模型能否跑得动。

Liquid AI 一直以非 Transformer 架构（如状态空间模型）为技术标签，此次以 MoE 形式切入端侧推理赛道，说明端侧竞争的重心正在从「把大模型压小」转向「用稀疏结构换容量」。与此同时，Apple Silicon 的统一内存架构让 24B 级别的权重在高端笔记本上具备可加载的物理条件，184 tokens/s 的解码速度也说明这一组合在交互式场景中已经具备可用性。

影响与看点

对开发者来说，最直接的变化是本地智能体的能力上限被抬高了一档。此前端侧模型大多在 3B–8B 稠密区间徘徊，复杂推理和多步工具调用容易掉链子；一个 24B 容量、2B 激活的模型，理论上能在保持响应速度的同时承载更长的上下文与更复杂的任务链。

但有几个问题值得保持观察：

  • 内存占用。激活参数少不等于权重小，24B 权重的实际显存/内存需求仍是端侧部署的硬门槛，184 tokens/s 的测试环境是 M5 Max 这类高端配置，中端设备的表现尚不明确。
  • 基准的可比性。LiveClaw 的知名度有限，缺少与主流 agent 评测的直接对照，单点分数难以判断真实水平。
  • 工具调用的稳定性。端侧智能体的价值高度依赖函数调用与多轮规划的可靠性，这部分通常不体现在解码速度里。

一个独立判断：端侧模型的竞争正在从「参数规模」转向「激活效率 + 内存占用」的组合指标，LFM2.5-24B-A2B 是这一转向的又一注脚，但它能否成为开发者的默认选择，取决于权重体积和工具调用表现这两个尚未充分披露的变量。