Deploy local agents everywhere with LFM2.5-2.6B

这一版给了什么

2.6B 参数，不到 2.5GB 内存，目标是让一台普通机器自己跑完整的智能体循环——工具调用、多步流程，不出设备。速度是三档：Apple M5 Max 上 220 tok/s、Ryzen AI Max+ 395 上 113 tok/s、手机上约 30 tok/s；GPU 侧在高并发下接近每秒 1.5 万输出 token，单张 H100 约合每天 13 亿 token。预训练约 34T token，中训练把上下文扩到 128K，llama.cpp、MLX、vLLM、SGLang、ONNX 首日全部支持，指令版与 Base 版当天都在 Hugging Face 上。

跑分对照的是最大到它约 4 倍的模型（Gemma 4 E2B/E4B、Qwen3.5-4B/9B）：指令跟随四项全部第一，工具使用除 BFCLv4 外全部第一——那一项被 9.7B 的 Qwen3.5 压过。

真正的信号在训练方式，不在尺寸

后训练分四段，前三段是常规路数：两轮偏重智能体数据的监督微调、按领域各训一个专家教师、再把教师蒸馏回一个学生。第四段才是这条信号的理由：Agentic RL 直接在真实的智能体外壳内部跑多轮强化学习，而不是在合成的工具调用样本上跑。

它的做法值得记住：训练引擎、推演引擎和环境执行被拆成三个独立部件，动作在沙箱服务里执行，外壳（OpenClaw 或 Hermes Agent）被一个 Harness Proxy 当成黑盒——不改外壳一行代码，只在旁边抓 token 级轨迹用来还原训练样本。

这意味着适配的方向反了。通常是你改流程去迁就模型；这里是模型在你已经在跑的那套流程里学会怎么工作。

与前一天那条正好是同一道题的两端

LLM 0.32 那条讲的是工具循环正在往供应商一侧收拢——由供应商替你在一次请求里执行远程调用。这一条是另一端：把足以驱动工具循环的模型压到 2.5GB，塞进你自己的机器。两者都在回答「工具循环归谁所有」，答案相反，而这条给了本地那一侧第一个像样的筹码。

厂商划的边界，和一条不该被跑分盖住的社区反馈

1. 代码是它明确落后的一档。厂商自己写明：编码任务上更大的模型仍有清晰领先，该用大的就用大的。
2. 它会安静地把错的当对的讲出来。文章下面一条社区反馈：在一次智能体流程里，模型从 MCP 工具取回了格式错误的数据，没有报错，而是自信地把错误数据当作事实呈现，下一步直接吃掉了这个错误；同一流程换 Gemma 4 E4B 没有复现。

第二条比任何一个跑分都值得先读。它不是「小模型比较笨」，而是判断「这一步做完了吗、这个返回值可信吗」是一种和工具调用本身分开的能力——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，而不是指望模型自己发现返回值不对。