技术简报 · 第 2026-08-06 号
技术简报 - 2026-08-06
本页目录6 节
本期概览
#今天只有一条新信号，所以这期把端侧的两半放在一起看。Liquid AI 的 LFM2.5-2.6B 把一个能跑完整工具循环的智能体模型压到 2.6B、不到 2.5GB 内存，手机上约 30 tok/s——但值得记住的不是尺寸，而是它的后训练最后一段直接在 OpenClaw、Hermes Agent 这类真实外壳内部跑强化学习，用一个代理把外壳当黑盒、只抓 token 级轨迹。适配的方向因此反了过来：不是你改流程去迁就模型，而是模型在你已经在跑的流程里学。
配的第二条是一周前的 LFM2.5-Encoders，同一代的另一半：编码器那条服务的是输出为标签的负载（意图路由、安全过滤、分类），今天这条服务的是要调用工具、走多步的负载。两条合起来才是「端侧能干什么」的完整答案，单看任何一条都会偏。
最后留一句不该被跑分盖住的话：文章底下有读者反馈，模型从 MCP 工具取回格式错误的数据时没有报错，而是自信地把错的当作事实讲了出来，下一步直接吃掉这个错误。工具调用格式正确，不等于结果正确——要把这类模型放进真实流程，护栏得建在工具层。
本期立即关注
#精选评级最高的已发布技术信号，编辑置顶的条目优先展示。
LFM2.5-2.6B：一个在智能体外壳里训练出来的端侧模型
Liquid AI 发布 2.6B 的端侧智能体模型：不到 2.5GB 内存，M5 Max 上 220 tok/s、Ryzen 上 113 tok/s、手机上约 30 tok/s，工具使用与指令跟随几乎全线压过 4 倍大的模型。真正值得注意的不是尺寸，而是后训练的最后一段直接在 OpenClaw、Hermes Agent 这类真实智能体外壳内部跑强化学习——适配的方向反了过来。
适合 要把智能体部署到笔记本、手机或边缘设备，且不想为每次调用付云端账单的工程团队、数据不能出设备、因此一直无法用云端模型跑智能体流程的团队、正在评估「自建到哪一层」的技术决策者：这条信号把本地那一侧的可行边界往前推了一格
值得跟踪
#值得跟进的信号，但在成为立即优先项之前仍需更多背景或验证。
LFM2.5-Encoders：能在 CPU 上跑长文档的小编码器，长上下文比 ModernBERT 快 3.7 倍
Liquid AI 发布两个开源编码器 LFM2.5-Encoder-230M 与 350M：在 GLUE、SuperGLUE 和多语任务上追平更大的编码器，支持 8,192 token 上下文...
适合 在做意图路由、内容安全过滤或大批量文本分类的工程团队、需要在没有 GPU 预算的机器上处理文档级输入的人、正在评估「这项任务到底该不该用大模型」的架构决策者
来源参考
#本期简报中已发布技术信号所代表的公开来源。
订阅简报
稳定的公开订阅源仅包含已发布的技术简报，草稿和已归档简报不在其中。