Liquid 是一家由前麻省理工学院计算机科学家创立的人工智能初创公司，已发布 LFM2.5-2.6B，这是一款针对代理任务（agentic tasks）优化的开源权重语言模型。该模型专为在本地硬件上完全运行而设计，从智能手机到树莓派（Raspberry Pi）均可部署，无需依赖云端推理或 GPU。这一能力释放了边缘人工智能（edge AI）应用潜力，并为敏感数据提供增强的隐私保护。LFM2.5-2.6B 在定义明确、高体量的代理任务中表现卓越，例如工具调用（tool calling）、文档管理和工作流自动化。它同样适用于连接受限的环境，如车辆和机器人领域。该模型拥有 26 亿参数和高达 128,000 个 token 的上下文窗口。其原生支持工具调用，并已在 Hugging Face 上发布，兼容主流推理栈。Liquid 将本模型定位为并非与大型前沿模型竞争，而是作为在延迟、隐私和成本至关重要的场景下的解决方案。LFM 架构优先考虑实际 CPU 性能，即使在树莓派等设备上也展现出令人印象深刻的速度。Liquid 专门针对代理框架训练了 LFM2.5-2.6B，聚焦于其有效使用工具的能力，而非仅限于对话任务。该模型的训练流程包含在生产级代理框架内专门的强化学习阶段。Liquid 还开发了其自身的主动式代理框架（proactive agent harness），旨在实现能够在后台自主运行的助手。LFM2.5-2.6B 的许可协议允许年收入低于 1000 万美元的组织进行商业使用，而年收入更高的公司则需另行签署商业协议。在基准测试中，LFM2.5-2.6B 在指令遵循和工具使用任务上表现出强劲性能，在其专业领域内往往优于更大的模型。