LFM2.5-2.6B: Deploy Agents Everywhere¶

Ch04.838 LFM2.5-2.6B: Deploy Agents Everywhere¶

📊 Level ⭐⭐⭐ | 4.9KB | entities/liquid-ai-lfm2-5-2-6b-agentic-on-device.md

LFM2.5-2.6B: Deploy Agents Everywhere¶

Background：Liquid AI 于 2026-08-04 发布 LFM2.5-2.6B，定位端侧（on-device）Agentic 模型：小到可跑在手机上、CPU 上保持响应、能力足以支撑 Agentic 工作流（规划、工具调用、多步任务）。与同系列 LFM2.5-230M（边缘小模型）和 LFM2.5 Encoders（长上下文编码器）形成互补。

核心定位：端侧 Agent 的经济学转变¶

LFM2.5-2.6B 的核心论点：移除 per-token 成本会改变开发者构建方式。不依赖云 API 的本地 Agent 提供免费推理、低延迟和真实隐私；Agent 可以在本地硬件上大规模并行化，跑后台任务消耗数百万 tokens 而无边际成本——当 token 花费不再是约束时，Agent 可以全天候随处运行。

模型规格¶

• 参数量：2.6B（Base + Post-trained 双形态，均已在 Hugging Face 发布）
• 预训练数据：~34T tokens
• 词表扩展：为支持非拉丁脚本，将词表翻倍至 128K——通过 in-place 扩展现有 tokenizer（与 LFM2.5-8B-A1B 同流程），而非从头重训
• 上下文：mid-training 含专用 128K context-extension 阶段，支撑 Agentic 工作流的长输入

四阶段后训练管线¶

把 Base 模型变成 Agentic 模型的完整配方（这是该文最有价值的技术内容）：

1. Supervised Fine-Tuning (SFT)：两连段——先全领域广覆盖，再针对优先级技能（agentic 任务、推理、工具使用）定向塑形。SFT 数据混合规模约为 LFM2.5-8B-A1B 的 7 倍，agentic 任务（工具使用、web 搜索、软件工程、agent traces）加权更重。最终 SFT checkpoint 同时作为 student 模型和后续 specialist teachers 的初始化
2. Teacher Specialization：从共享 SFT checkpoint 出发，每个目标领域训练一个专家（SFT + verifiable-reward RL/RLVR）：指令遵循、数学、知识（含幻觉控制）、代码、工具使用、长上下文。专家独立深训，避免不相关目标的竞争更新
3. Multi-Domain On-Policy Distillation (MOPD)：用专家作 teacher 蒸馏进单一 student。与 off-policy 蒸馏不同，MOPD 让 student 在自己策略下 rollout，每个 prompt 路由到对应领域 teacher，以 token 级反馈监督。因 teacher 与 student 同源于一个 SFT checkpoint，反馈分布接近，训练稳定
4. Agentic RL：最后阶段让模型在真实 Agent 环境中运行——通过真实 agent harnesses 跑多轮 Agentic RL，任务覆盖研究、写作、代码、数据分析、文档管理、外部工具、多步工作流自动化。每次 rollout 在专用沙箱中运行，GRPO 优化 + outcome-based reward（LLM-as-judge rubric + 程序化检查 + 硬安全门）。训练直接在 Hermes Agent、OpenClaw 等 harness 内进行，让模型暴露于其工具、system prompts 和交互模式，跨 Agent 环境可靠工作

与同系列模型的关系¶

工程含义¶

• Agentic RL 数据路线：在真实 harness（Hermes/OpenClaw）内训练是「让模型适应 Agent 环境」的务实路径，与 Harness Engineering 领域关注点一致——环境即训练数据
• on-policy 蒸馏的价值：MOPD 解决 off-policy 蒸馏的分布漂移问题，teacher/student 同源是稳定性关键——对多领域能力融合有参考价值
• 端侧 Agent 的成本论：本地推理免除 per-token 成本 → Agent 可并行常驻，是 edge Agent 产品设计的经济学依据

→ 原文存档