Liquid AI 推出 26 亿参数开源小模型，智能手机可本地运行智能体任务

Liquid AI 于近日正式发布 LFM2.5-2.6B，这是一款面向端侧部署场景的开源智能体模型。26 亿的参数规模使其能够在算力受限的消费级设备上流畅运行，包括主流智能手机，同时保留了执行规划、工具调用与多步骤推理等智能体核心能力，填补了轻量模型在复杂任务处理上的空白。

在训练数据方面，LFM2.5-2.6B 使用了规模达 34 万亿 Token 的数据集进行预训练。Liquid AI 还对分词器进行了扩展，以提升模型对非拉丁字母语言（如中文、阿拉伯文等）的处理能力，使其在多语言场景下具备更广泛的适用性。目前，基础版与经过后训练的指令版均已在 Hugging Face 平台公开发布。

在基准测试中，Liquid AI 将 LFM2.5-2.6B 与 gemma-4-E2B-it、gemma-4-E4B-it、Qwen3.5-4B 及 Qwen3.5-9B 等参数量更大的模型进行横向比较。结果显示，LFM2.5-2.6B 在全部指令执行测试项目中均排名第一，在工具使用类测试中也几乎全面领先，仅在 BFCLv4 函数调用基准中略逊于 Qwen3.5-9B。

在智能体任务维度，LFM2.5-2.6B 全面超越两款 Gemma 模型，与 Qwen 系列模型整体表现相近。STEM 领域的 AA Omniscience 综合测试中，该模型同样位居榜首，仅在数学专项测试中被 Qwen3.5-9B 超越。编程能力是目前唯一一个更大参数量模型仍保持明显优势的领域。

LFM2.5-2.6B 的发布折射出当前端侧 AI 竞争的核心逻辑：在参数效率与实际任务表现之间寻求最优平衡。随着 Qwen、Gemma 等主流厂商持续压缩模型体积，小参数量模型在智能体场景中的能力边界正被快速拓展，这对于希望在本地设备上部署私有 AI 助手的开发者和企业而言，意味着更低的门槛与更高的灵活性。

要点

• LFM2.5-2.6B 仅有 26 亿参数，却能在智能手机上本地运行并支持多步骤智能体工作流
• 模型基于 34 万亿 Token 数据预训练，并强化了对非拉丁字母语言的支持
• 在指令执行和工具调用基准测试中，该模型超越了多款参数量更大的 Gemma 和 Qwen 模型
• 编程能力是目前唯一一个更大模型仍保持优势的领域，BFCLv4 测试中也落后于 Qwen3.5-9B
• 基础版与后训练版均已在 Hugging Face 平台开源发布，开发者可直接获取