📍 真實場景
在小型行銷公司兼職做自動化的行政人員小薇
她想讓 AI 自動整理客戶名單並呼叫試算表工具，但公司規定客戶資料不能上傳到雲端服務
😖 卡住的地方：能用的雲端 AI 不能碰資料，能放在本機的小模型又常常『叫錯工具』，自動化總是做到一半就卡住
💡 讀完你會知道這個本機模型強在哪、弱在哪，並能用三個步驟判斷它適不適合你的工作
⚡ 一句話講清楚
Liquid AI 發表了 LFM2.5-24B-A2B，這是一個設計給『AI 代理』使用的模型。AI 代理讓 AI 不只是回答問題，而是能自己決定步驟、去呼叫工具把事情做完的程式。它的特別之處在於名字裡的 24B-A2B：模型總共有約 240 億個參數，但每處理一個字，只會動用其中約 20 億個。這是靠 MoE（混合專家）把模型拆成很多位『專家』，每次只請最適合的幾位出手，而不是全員上陣 的架構做到的，所以跑起來比同樣大小的傳統模型快很多。官方數據是在 Apple M5 Max 上約每秒 184 個 token，單張 NVIDIA B300 顯卡最高每秒 21K 個輸出 token。
在工具使用的測試上，官方宣稱它是同級最佳：在 LiveClaw 拿到 48.09，對手 Qwen3.6-35B-A3B 是 38.19；在 BFCLv4（測 AI 會不會正確呼叫函式的考試）兩者幾乎打平，65.01 比 65.00；IFEval（測 AI 有沒有照指示做）則是 96.75。這個模型一律會先『想』再回答，也就是先寫出一段 思維鏈AI 在給出答案前，先一步一步寫下推理過程，因為每個 token 的成本低，所以多想幾步也不太吃力。上下文長度從 32K 提升到 131K tokens，詞表也擴大到 128K，對中文這類非拉丁文字更友善。
但請誠實看待：它並不是全面領先。在 SWE-Bench Verified（真實程式修 bug 的考試）上，它是 51.00，Qwen3.6-35B-A3B 是 66.20；GPQA Diamond（研究所程度的科學題）也是 74.42 對 83.69。這些都是官方自己公布的測試結果，實際表現仍要用自己的任務驗證。簡單說：它的賣點是『輕量、快、工具呼叫穩』，不是『什麼都最強』。
🏃 快速上手三步（今天就能做）
1
查：先讀官方原文與模型頁打開 https://huggingface.co/blog/LiquidAI/lfm25-24b-a2b，找到文中連到的模型頁，確認三件事：授權條款是否允許你的用途、提供哪些執行方式、建議的硬體需求。注意 24B 是總參數量，MoE 模型通常得把全部專家載入記憶體，『每次只用 2B』指的是運算量，不代表記憶體需求只有 2B，所以務必先看你的電腦記憶體夠不夠。
▼
2
試：用你自己的工具任務測 10 次不要只看排行榜。挑一個你真正會用的工作，例如『查詢試算表後回傳摘要』，定義 2 到 3 個工具，讓模型各跑 10 次。判斷標準：工具名稱與參數格式是否正確（10 次中至少 9 次對），以及中文指令是否被正確理解。同時記錄每次回應花多少秒，與你現有的雲端或本機方案對照。
▼
3
注意：別拿它去做它沒贏的事官方數字顯示它在寫程式修 bug（SWE-Bench 51.00 對 66.20）與高難度科學問答上落後 Qwen3.6-35B-A3B。如果你的主要需求是程式碼修復，先拿同一批題目做比較再決定。另外，它一律會先輸出推理過程，若你的流程只想拿到簡短結果，要在程式裡把思考內容與最終答案分開處理。
🧠 工程思維透鏡（資深工程師看到的是什麼）
🔭 『每次只啟用 2B 參數』在實際部署時省了什麼、沒省什麼？
省的是每個 token 的運算量與延遲，所以在筆電或單張 GPU 上速度表現好。沒省的是記憶體：全部 24B 參數仍需載入，通常要靠量化（壓縮權重精度）來塞進裝置。所以評估要同時看『速度』與『記憶體佔用』，不能只看啟用參數量。官方的 184 tok/s 是在高階的 Apple M5 Max 上量測，一般筆電的數字大概率會低。
🔭 代理型的基準測試分數，可以直接推論到我的工作流程嗎？
不能直接推論。從表格就看得出差異：同一個模型在 AutomationBench 領先很多（27.69 對 8.72），卻在 WebArena Verified（26.75 對 37.62）與 PinchBench（83.18 對 89.93）落後。代理任務高度依賴工具定義與提示詞的寫法，而且它的後訓練就是在 OpenClaw、Hermes Agent、Pi、OpenCode 這些代理框架內做強化學習，換成你自己的框架時表現可能不同。建議把它當成『值得測試的候選』，用你自己的任務做小規模驗證再導入。