AREX-2 与 LFM2.5 2.6B Base：一个空仓库和一个没有说明文档的检查点

把 AREX-2与 LFM2.5 2.6B Base放在一起看，它们最首要的共同点就是：这两者都不是你如今能够使用的产品——而原因彼此毫无关联。AREX-2 是 BAAI 于 2026 年 9 月 29 日 17:56 UTC 创建的 Hugging Face 仓库；它包含一个 .gitattributes 文件，模型数据存储量为零字节，而且没有模型卡、没有许可证标签，也没有任何形式的公告。LFM2.5 2.6B Base 由 Liquid AI 于 2026 年 8 月发布，则是另一种意义上的未完成：一个完整、可下载的 26.9 亿参数纯文本检查点，采用 LFM 开放许可证（lfm1.0），并且刻意不附带指令微调，因为它的用途是被微调，而不是被拿来提问。

一种是产物的缺席，另一种则是一个产物缺少了一个它本就不该有的步骤。只有在你走马观花时，这两者才属于同一类别；而把它们当成同一类别，恰恰会让一个团队最终等错东西。这两者之间有用的比较不在于能力——根本没有 AREX-2 可供衡量——而在于二者各自用于什么的原材料，以及要弄清楚它到底好不好需要付出多大代价。

性质上的差异，首先说明。

LFM2.5 2.6B Base 是一种基底。它是 Liquid AI 的 LFM2.5 混合家族的预训练检查点：30 层，其中 22 层是双门控短卷积块，8 层是分组查询注意力，在约 34 万亿个 token、16 种语言上训练，具有 131,072 token 的上下文窗口，以及一个量化版本，在 Q4_K_M 下约为 1.67 GB。它没有指令微调。给它一个问题，它会续写文本；它不会回答。Liquid AI 自己的模型卡指出，预期用途是进行大量微调，并且对于想要一个能响应提示的模型的人来说，还有一个经过后训练的同系列模型。它是一种基底，而它在提示遵循基准上得分很差这一事实并非缺陷——这正是它的定义。

AREX-2 不是一种物质或产品；它是一个命名空间。目前仅有的事实是所属机构（BAAI）、创建时间戳（2026年9月29日）和名称。没有任何内容被上传，也没有任何声明发布。这个名字本身属于一个确实存在的家族：2026年7月23日，BAAI 发布了 AREX-Base——一个拥有1220亿参数的混合专家模型，激活参数为100亿，基于 Qwen3.5-122B-A10B 构建——以及 AREX-Turbo——一个基于 Qwen3.5-4B 的稠密4B模型——两者均采用 Apache 2.0 许可，均为深度研究智能体，采用双循环设计：先收集证据，生成带有置信度数值的候选答案，然后依据原始约束验证该答案，并进行改进或重新开始。其公布的数值由厂商报告，未经独立复现：Base 在 BrowseComp 上达到 82.5，在 GAIA 上达到 85.4；Turbo 则为 70.7 / 81.6。

• 可用性 — LFM2.5 2.6B Base 现已可下载。AREX-2 的仓库中没有任何文件。

• 规模 —— Liquid 模型为 2.69B 稠密参数，全部可在检查点中看到。AREX-2 则未知；该系列涵盖 122B MoE 与 4B 稠密模型，因此“2”并不能预示任何信息。

• 上下文 — LFM2.5 2.6B Base 为 131,072 个 token。AREX-2 尚未公布任何信息。

• 许可证——LFM 开放许可证 v1.0，年收入低于 1000 万美元时免费使用，达到或超过该门槛则需另行获得许可证。AREX-2 目前尚无许可证标签；第一代 AREX 采用 Apache 2.0。

• 它是什么——一个是微调基座；而另一个，若以该系列的整体表现为参照，则是托管式智能体，其价值在于搜索与验证的循环，而非其权重。

空白记分卡，含义却截然相反

这两个模型都没有可供你作为规划依据的基准测试，而且背后的原因也截然不同。

Liquid AI 让 Base 保持未评分，并没有隐瞒任何东西。在指令遵循基准上给预训练检查点打分，衡量的只是缺少微调，而不是这个基座的质量——正因如此，公司才对经过后训练的同系列模型做基准测试，而让 Base 保持未评估。那个空白是你这边可以验证的，而这正是关键：你可以下载 1.67 GB，在你自己的任务上运行你自己的评估，并在为服务花任何钱之前就知道答案。

AREX-2 的空白不是设计决策，而是尚未到来。没有什么可下载，因此没有什么可测试，而且你本周能跑的任何评估都不会告诉你关于它的任何信息。任何在未来几天发布 AREX-2 基准数字的人，发布的都是他们不可能测量过的东西。

两个不同的微调问题

由于这两者都只是起点，而非已完成的服务，因此值得精确说明各自会成为什么的起点，因为正是在这一点上，它们才真正不再彼此相似。

一个 2.69B 的混合检查点是用来打造小型、廉价、专用模型的工具。真正有意思的用途是那些不起眼的：在受监管的工作流中读取文档类型的分类器，把表单转换为结构化 JSON 的抽取模型，在靠近数据的单张卡上运行的领域专用改写模型。价值来自这样一个事实：之后你拥有这个产物，而一次调用的边际成本就是电费。训练循环就是这项工作，而这是你今天就可以开始做的工作。

AREX-2 指向的是另一个方向。AREX 家族并非被设计成经过微调后成为一款产品；它的设计目的是被调用为一个智能体，去执行搜索、整合证据，并对照约束条件验证自己的答案。如果第二代延续这一点，那么你要评估的就是一条轨迹——它需要多少步、它是否察觉矛盾、它候选答案上的置信度数值是否有任何意义。这不是一个微调问题，也不是一个权重问题。这是一个服务问题，而它始于有人发布权重和一张模型卡。

无论规模大小，这些都不是替代品。一个需要能自己拥有并重新训练模型的团队，不会去等 AREX-2。一个需要研究智能体的团队，也不会把 2.6B 混合模型微调成研究智能体。

对它们中的每一个而言，路由层所处的位置

这两者之间的实际差别，在模型进入应用的那一刻就会显现出来，因为二者与托管之间的关系截然相反。

LFM2.5 2.6B Base 不在 OrcaRouter 的目录中，任何 LFM2.5 变体也都不在其中，因此它来自 Liquid AI 自家的分发渠道以及常见的第三方托管方——是一个本地产物，而非经由路由的端点。AREX-Base 和 AREX-Turbo 同样不在我们的目录里。在这一图景中，路由层真正存在的意义在于架构的另一侧：当有一天你要把微调结果与它必须战胜的模型进行比较时，你希望这场比较只需付出一次配置更改的代价，而不是一整个采购周期。一个 API 置于 200 多个模型之前，提供方标价原样透传，每个 token 不额外加价，整个面板只需一个密钥，并具备故障转移，让某个提供方的糟糕下午不会变成你评测的糟糕下午。正是在这些条件下，对未经证实的模型做 A/B 测试才足够廉价，值得真正跑起来。

这也是对 AREX-2 本身最诚实的定位。当它发布时——假设它像前两代一样以开放权重发布——要把一个全新的智能体用在真实工作负载上，明智的做法是放在旁路、置于故障转移之后，而不是当作生产循环所依赖的唯一提供方。

一个理性的人本周会如何应对每一件事

如果你有一个小型、狭窄的任务，而且数据不能离开你的基础设施，那么 Liquid checkpoint 是可用的、体积小、在收入门槛以下采用宽松许可，并且今天下午就能测试。下载它，在你自己的评估集上运行，让结果来决定。AREX-2 没有任何方面会改变这一计划。

如果你今天就需要长时程研究行为，该选的模型就是已经存在的那个：AREX-Base，于7月发布，并附有已公开的智能体基准，至少可以对照论文核查。AREX-2 只是一个带着时间戳的名字，而会改变其地位的两件事从外部就能看出来——是否有文件出现在目录树中，以及是否有一张带有参数量和许可证的卡片与它们一同出现。

这篇文章旨在防止的失败模式，是把一个保留名称当作路线图项目来对待。它并不是。它是 BAAI 昨天建的一个仓库，而现在围绕它需要做的正确规划量是零。