时间：2026年8月4日
地点：美国马萨诸塞州剑桥（Liquid AI 总部）
人物：Liquid AI 团队（CEO Ramin Hasani），公司由 MIT 计算机科学与人工智能实验室（CSAIL）孵化成立
事件详情：Liquid AI 正式发布并开源 LFM2.5-2.6B 模型及其基础版 LFM2.5-2.6B-Base，参数规模仅 26 亿，专为端侧 Agent 工作负载设计，集成工具调用、多步骤任务规划与网络搜索能力。模型权重已在 Hugging Face 开放下载，并同步上线 WebGPU 浏览器 Demo。LFM2.5-2.6B 预训练数据量达 34 万亿 Token，中训练阶段将上下文窗口扩展至 128K，采用四阶段后训练流程（SFT、教师专家化、多领域在策略蒸馏、智能体强化学习）打造专用 Agent。模型在指令遵循与工具调用基准上全面领先，可与 4 倍参数量的 Gemma-4、Qwen3.5 等对手正面竞争。
背景：Liquid AI 由 MIT CSAIL 孵化，2023 年成立，以"液态神经网络"等非 Transformer 架构见长。LFM 系列专为 CPU、NPU 等低算力设备设计，主打"高智能密度"路线。今年 1 月 CES 上已发布 1.2B 版本 LFM2.5 并联手 AMD 推向 PC 市场，本次 2.6B 版本延续"小而强"思路，把 Agent 与工具调用能力推到端侧设备可承载的边界。
影响：
- 端侧 Agent 部署门槛再降：2.6B 模型在 Apple M5 Max 上达 220 tok/s、AMD Ryzen CPU 上 113 tok/s，可在笔记本电脑、手机等设备本地流畅运行，无需云端推理
- 隐私与成本结构重塑：消除云端推理费用后，开发者可大量并行本地 Agent，"零边际成本"调用开启新商业模式
- 开源生态再添重磅：模型兼容 llama.cpp、MLX、vLLM、SGLang、ONNX 等主流推理框架，落地阻力大幅降低
总结：LFM2.5-2.6B 体现了 2026 年端侧 AI 模型的演进方向——不再一味堆参数，而是追求"智能密度"与部署灵活性。在保证推理质量的前提下压缩到 26 亿参数，并强化 Agent 与工具调用能力，让离线、本地、隐私敏感的 AI 应用场景得以真正落地。对中国开发者而言，国产小模型（如 Qwen3.5-4B、商汤 U1.5-Lite 等）也将面对更强的开源竞争，"小而强"端侧模型赛道进一步升温。
参考来源：
- https://huggingface.co/blog/LiquidAI/lfm2-5-2-6b
- https://www.liquid.ai/blog/lfm2-5-2-6b
- https://huggingface.co/LiquidAI/LFM2.5-2.6B
- https://huggingface.co/LiquidAI/LFM2.5-2.6B-Base
- https://docs.liquid.ai/lfm/models/lfm25-2.6b
- https://baijiahao.baidu.com/s?id=1866506551961012080
- https://baijiahao.baidu.com/s?id=1854920482550333683
- https://www.163.com/dy/article/KIMGFK4005566WT8.html
- https://www.donews.com/news/detail/4/6357820.html
- https://blog.csdn.net/gitblog_00699/article/details/155620918