云端大模型继续变贵、变强，另一条线在问：能不能在手机和树莓派上把工具调用跑完——Liquid AI给出了约2.6B参数的答案。
Liquid AI由前MIT研究者于2023年创立，专注可在边缘与端侧高效运行的语言模型。LFM2.5-2.6B是其面向智能体工作负载的新开权重量模型：约26亿参数，上下文窗口约12.8万token，原生支持工具调用；后训练版与可供微调的Base检查点已上线Hugging Face，并宣称首日支持llama.cpp、MLX、vLLM、SGLang与ONNX等推理栈。
据VentureBeat 8月6日报道，公司强调模型可在智能手机、笔记本乃至树莓派等本地硬件上运行，无需依赖云推理或GPU。公开吞吐口径包括：Apple M5 Max上解码约每秒220 token、AMD Ryzen AI Max+ 395约每秒113 token且内存占用低于约2.5GB，手机端约每秒30 token；单卡H100在高并发下可接近约每秒1.5万输出token——均为厂商自测，未经独立审计。
训练叙事强调「为智能体框架而生」：预训练约34万亿token；后训练含监督微调、教师特化、多域在策略蒸馏与智能体强化学习，并直接在Hermes Agent、OpenClaw等生产级harness内用真实生产力任务训练。第三方客户端Atomic Chat的对比称，在同一套工具调用任务上，完成速度约为DeepSeek-V4-Flash的约3.7倍——属第三方测试口径。许可采用LFM Open License v1.0：年营收低于约1000万美元的组织可商业使用；更大企业需另行洽谈；非营利研究用途有豁免——企业法务需单独审阅。
MacPaw已宣布与Liquid AI长期合作，为macOS助手Eney打造端侧模型栈。产业意义在于：小模型竞争从「聊天跑分」转向「本地工具调用是否够稳、够省」。下一观察点是许可门槛对大客户落地的摩擦，以及端侧主动式后台智能体能否在真实日历与文档工作流中持续可靠——电费账单接近为零时，剩下的硬约束是误调用率与许可证条款。