先了解这件事
2026年2月24日,Liquid AI发布LFM2-24B-A2B早期检查点,这是其最大的LFM2模型,采用稀疏MoE架构,总参数24B、每token激活2.3B,设计上可放入32GB内存,权重已在Hugging Face开放。模型沿用LFM2-8B-A1B配方,层数从24增至40、每MoE块专家数从32增至64,保持top-4路由,前两层仍为稠密层。官方称在GPQA Diamond、MMLU-Pro、IFEval、IFBench、GSM8K和MATH-500等基准上,从350M到24B质量随规模呈对数线性提升;该模型已获llama.cpp、vLLM和SGLang首日支持,在单张H100 SXM5上用vLLM于1024并发请求下达到约26.8K tokens/s。3月5日,Liquid AI发布开源桌面智能体LocalCowork,完全在本地运行,模型、工具和数据都不离开设备,无需云端和API key。在Apple M4 Max、36GB统一内存笔记本上,模型以Q4_K_M GGUF经llama-server部署,占用约14.5GB内存,单次工具选择平均约385ms,在13个MCP服
AI 根据公开报道生成
事件进展
2 个已确认进展
- 来源：Liquid AI 模型与工程博客
- 来源：Liquid AI 模型与工程博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
3月5日
Liquid AI 模型与工程博客一手精选
Liquid AI 发布 LFM2-24B-A2B 本地工具调用智能体演示 LocalCowork
Liquid AI 发布开源桌面智能体 LocalCowork，完全在本地运行，模型、工具和数据都不离开设备，无需云端和 API key。在 Apple M4 Max、36 GB 统一内存的笔记本上，LFM2-24B-A2B 以 Q4_K_M GGUF 经 llama-server 部署，占用约 14.5 GB 内存，单次工具选择平均约 385 ms，在 13 个 MCP 服务器共 67 个工具的环境下单步工具选择准确率为 80%，多步链端到端完成率为 26%。该模型已训练 17T tokens，预训练仍在进行，完成后将推出带额外后训练和强化学习的 LFM2.5-24B-A2B。
2月24日
Liquid AI 模型与工程博客一手精选
Liquid AI 发布 LFM2-24B-A2B 早期检查点
Liquid AI 发布 LFM2-24B-A2B 早期检查点，这是其最大的 LFM2 模型，采用稀疏 MoE 架构，总参数 24B、每 token 激活 2.3B，设计上可放入 32GB 内存，权重已在 Hugging Face 开放。模型沿用 LFM2-8B-A1B 的配方，层数从 24 增至 40、每 MoE 块专家数从 32 增至 64，保持 top-4 路由，前两层仍为稠密层。官方称在 GPQA Diamond、MMLU-Pro、IFEval、IFBench、GSM8K 和 MATH-500 等基准上，从 350M 到 24B 质量随规模呈对数线性提升；该模型已获 llama.cpp、vLLM 和 SGLang 首日支持，在单张 H100 SXM5 上用 vLLM 于 1024 并发请求下达到约 26.8K tokens/s。目前预训练已用 17T tokens 且仍在进行，完成后将推出 LFM2.5-24B-A2B。