LiquidAI 发布 LFM2.5-24B-A2B：智能体跑在本地

LiquidAI 发布了 LFM2.5-24B-A2B，一个为“在用户设备上直接运行快速、私有 AI 智能体”而打造的模型。该模型已在 Hugging Face 上线，目标用户是想拿到可用智能体能力、又不想把每个请求都送进云基础设施的开发者。把计算留在本地，带来的是更强的隐私、更低的延迟和更少的运营成本——对那些持续运行、或者要处理敏感信息的应用尤其如此。 这个模型背后是一个更广泛的转向。最大的前沿模型训练和推理依然烧钱，但更小、更高效的开放模型正变得出人意料地好用。它们能跑在笔记本、手机和边缘设备上，把 AI 拉近到数据和用户身边。对智能体工作流来说，“离得近”很重要：一个设备端智能体可以读取本地文件、管理日程、控制应用、自动处理个人任务，而不用把私有上下文暴露给远程服务器。 LiquidAI 这次的发布，瞄准的就是想在云之外试验智能体行为的开发者。云推理有它的优势：规模大、拿最新模型方便；但它也带来持续的费用、对网络的依赖和隐私顾虑。设备端推理则把这些取舍反过来了：用户拿到更多控制权，开发者可以做出离线可用、或者在网络不可靠、甚至禁止联网的环境里照样能跑的功能。 从名字看，LFM2.5-24B-A2B 暗示着它在模型规模和运行时效率之间做了平衡，但真实表现还得看硬件、量化方式以及具体用的智能体框架。核心问题是：它能不能在保持交互级速度的同时，拿出有用的推理和工具调用能力。 如果能做到，它有助于把 AI 智能体开发“民主化”，让更小的团队和个人开发者也能做出私有、本地优先的助手。这次发布也给一个判断添了把火：下一波 AI 未必只跑在巨型数据中心里，也可能直接跑在人们每天随身携带和使用的设备上。