LFM2.5-8B-A1B
8.3B总参数、1.5B激活参数的端侧MoE推理模型，官方定位代理工作流、工具调用、结构化输出与多语言助手，支持128,000 token上下文。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-8B-A1B特点与限制
主要特点
- 总参数8.3B、激活参数1.5B，24层（18个双门控卷积块＋6个GQA块），词表128,000
- 128,000 token上下文，官方推荐temperature 0.2、top_k 80、repetition_penalty 1.05、max_new_tokens 8192
- 为推理模型，助手回合在最终回答前包含显式思维链
- 官方称CPU与GPU推理在同尺寸级别最快，单张H100在高并发下可达18.5K输出token/秒、日均超过1.6B token（官方声明，本站未复现）
- 官方提供328M的DSpark投机解码草稿模型，称在SGLang中配对可获约2.5倍解码加速且输出完全一致
- 支持函数调用（默认Python式调用，可切换JSON），官方称发布即支持Transformers、vLLM、SGLang、llama.cpp、MLX与LM Studio
使用边界
- 官方明确不推荐重度编程，以及不借助检索的知识密集型问答。
- 作为推理模型，助手回合包含显式思维链，官方分数不体现延迟与输出长度成本。
- 权重采用LFM Open License v1.0：商用权利以年收入低于1000万美元为条件（许可第5节与定义将Threshold设为10,000,000美元年收入），超过该门槛的商业使用不在该许可范围内；非营利与研究用途不受门槛限制。
- 官方模型卡两组表格对BFCLv3与BFCLv4给出不同数值（64.36/48.50与64.79/49.73），未说明差异原因，本条目未收录这两项。
- 官方表另含第三方评测机构方法学口径的知识与幻觉指标列，本条目未导入该类成绩；官方未披露知识截止时间，本站未复现任何一项基准。
模型信息
- 家族与版本
- LFM2.5 / 2.5
- 输入与输出
- 文本 → 文本
- 公开参数规模
- 8.3B（以以下来源口径为准）
- 激活 / 有效参数
- 1.5B / 未提供
- 参数口径
- 官方模型卡标注总参数8.3B、激活参数1.5B（24层：18个双门控卷积块＋6个GQA块），词表128,000；官方另提供328M的DSpark投机解码草稿模型，不计入本口径。HF权重元数据safetensors张量参数合计8,467,856,832（约8.47B，含704个F32参数），与官方8.3B总参数口径存在差异，本站以官方口径为准并保留两者。 参数来源
- 原生上下文
- 128,000 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语、阿拉伯语、中文、法语、德语、意大利语、日语、韩语、葡萄牙语、西班牙语；语言支持不代表对应语言的评测水平。
- 权重许可
- LFM Open License v1.0
- 代码许可
- 未核实
- 训练资料
- 官方公开训练口径：训练预算38T token，经过推理能力训练与大规模强化学习；官方称相对前代LFM2-8B-A1B在全benchmark上提升。官方未公开训练数据清单，也未披露知识截止时间。
能力依据
模型变体：指令版；家族与版本：LFM2.5 / 2.5
文本生成
IFEval · score91.84%IFEval · en · 思考开启IFBench · score56.47%IFBench · en · 思考开启AIME25 · accuracy42.53%AIME 2025 · en · 思考开启查看评估与来源收起补充信息
文本生成
可作为端侧代理与个人信息助手候选：官方benchmark表报告IFEval 91.84、IFBench 56.47、AIME25 42.53、Tau² Telecom 88.07，官方称相对前代LFM2-8B-A1B全面提升（如Tau² Telecom +74.47）。成绩均来自发布方自测，且官方明确不推荐重度编程与无检索的知识密集型问答。
- 官方表并列Qwen3.5-4B、Qwen3-30B-A3B-Thinking-2507、Granite-4.0-H-Tiny与Gemma-4等同尺寸或更大对照模型，并列出参数规模。
- 覆盖指令跟随、数学推理与代理工具使用（Tau²-Bench）多个维度，并给出相对前代的前后对照数值。
- 官方提供DSpark投机解码草稿模型与多条推理路线，部署侧信息较完整。
- 官方明确不推荐重度编程与不借助检索的知识密集型问答，官方表也未报告代码基准。
- 作为推理模型，官方分数不体现思维链带来的延迟与输出长度成本。
- 官方两组表格对BFCLv3/BFCLv4数值不一致且未说明原因，本条目未收录这两项；官方也未披露知识截止时间与完整评测配置，不能与外部榜单直接横比。
- 本站未复现任何一项基准或官方吞吐声明。
IFEval · score
91.84%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-8B-A1B / 未提供
- 思考模式
- 启用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- IFEval / 未提供
- 基准 / 报告版本
- 官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡列出LFM2.5-8B-A1B的IFEval为91.84（官方另在“相对前代提升”表中给出LFM2-8B-A1B为79.44、Δ+12.40）。未披露数据版本、模型revision、提示模板与采样配置；该型号为推理模型，分数包含显式思维链输出。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-8b-a1b-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-8B-A1B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方未披露数据版本、模型revision、提示模板与采样配置，且不同对照模型采用不同推理模式；无法与统一条件下的其他成绩比较。
IFBench · score
56.47%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-8B-A1B / 未提供
- 思考模式
- 启用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- IFBench / 未提供
- 基准 / 报告版本
- 官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡列出LFM2.5-8B-A1B的IFBench为56.47（官方另在“相对前代提升”表中给出LFM2-8B-A1B为26.00、Δ+30.47）。未披露数据版本、模型revision、提示模板与采样配置；该型号为推理模型。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-8b-a1b-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-8B-A1B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方未披露数据版本、模型revision与评测配置，且不同对照模型采用不同推理模式；无法与统一条件下的其他成绩比较。
AIME25 · accuracy
42.53%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-8B-A1B / 未提供
- 思考模式
- 启用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- AIME 2025 / 未提供
- 基准 / 报告版本
- 官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡“数学与代理工作流”表列出LFM2.5-8B-A1B的AIME25为42.53，同表另列AIME26 50.00与MATH500 88.76，并列Qwen3.5-4B、Qwen3-30B-A3B-Thinking-2507、Granite-4.0-H-Tiny等对照。未披露数据版本、模型revision与采样配置；该型号为推理模型。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-8b-a1b-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-8B-A1B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方未披露数据版本、模型revision与采样配置，且不同对照模型采用不同推理模式；无法与统一条件下的其他成绩比较。
τ²-Bench Telecom · score
88.07%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-8B-A1B / 未提供
- 思考模式
- 启用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- τ²-Bench Telecom / 未提供
- 基准 / 报告版本
- 官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡“数学与代理工作流”表列出LFM2.5-8B-A1B的Tau² Telecom为88.07（官方另在“相对前代提升”表中标注LFM2-8B-A1B为13.60、Δ+74.47，并有Tau² Retail 39.82）。未披露数据版本、模型revision、工具环境与采样配置；该型号为推理模型。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-8b-a1b-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-8B-A1B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方未披露数据版本、模型revision、工具环境与采样配置，且不同对照模型采用不同推理模式；无法与统一条件下的其他成绩比较。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方列出单张H100在高并发下18.5K输出token/秒与日均超过1.6B token等设备数据，属于官方声明而非本站测量，不换算为通用资源保证。
内存：未核实；显存：未核实。
依赖：transformers>=5.0.0。
STEP 01 准备运行环境
官方快速开始说明兼容transformers>=5.0.0；模型卡未给出具体安装命令，命令留空；本站未执行安装。
STEP 02 加载模型并生成
按官方示例用AutoModelForCausalLM以bfloat16加载LiquidAI/LFM2.5-8B-A1B，并用tokenizer.apply_chat_template应用ChatML风格模板；官方推荐temperature 0.2、top_k 80、repetition_penalty 1.05、max_new_tokens 8192。本站未下载权重或运行模型。
llama.cpp
系统支持未提供 · GGUF · 官方GGUF仓库提供多种量化等级（见仓库文件）
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；MoE模型的实际占用取决于激活路径、量化等级、上下文长度与运行时，不将文件体积换算为资源保证。
内存：未核实；显存：未核实。
依赖：以官方指引为准。
STEP 01 获取GGUF量化权重
官方列出LFM2.5-8B-A1B-GGUF仓库，定位为面向llama.cpp及兼容工具的端侧推理与本地部署；本站未下载权重。
STEP 02 按llama.cpp文档加载
官方推理表把llama.cpp列为支持框架并链接其项目；模型卡未给出具体加载命令，命令留空。