LFM2.5-24B-A2B 与 LFM2.5-8B-A1B-DSpark：其中一个并非你能运行的模型

把LFM2.5-24B-A2B和LFM2.5-8B-A1B-DSpark放进一张对比表里，这张表在你填上任何一个单元格之前就已经是谎言了。Liquid AI 的 LFM2.5-24B-A2B 于 2026 年 10 月 13 日发布，是一个语言模型：240 亿参数，每个 token 激活 24.5 亿参数，上下文长度 131,072 个 token，并且它能回答提示。LFM2.5-8B-A1B-DSpark 于 2026 年 8 月 20 日发布，是一个拥有 3.277 亿参数的草稿检查点，它本身无法回答任何问题——它的存在，是为另一个模型 LFM2.5-8B-A1B 猜测接下来的 token，并接受该模型的检查。把两者混为一谈，是这次发布被误读的最常见方式，而且值得在第一段就澄清，因为本页的其余内容都取决于这一点：其中一个有每百万 token 的价格，还有一张你可以让智能体指向的 Hugging Face 卡片，而另一个则活在别人的推理栈里。

然而，真正让这个配对值得单独做一页的，是它正是 Liquid AI 为自己设置好的对比。LFM2.5-24B-A2B 的模型卡列出，面向 24B 的 DSpark 推测解码草稿模型即将推出。当它落地时，这个页面所回答的那个确切问题，就会是人们针对它提出的问题——那个让 8B 模型在数据中心 GPU 上最高提速 3.18× 的草稿技巧，放到一个存在的全部理由就是笔记本电脑的 24B 模型上，究竟还能不能奏效？8B 的数字里已经包含了答案的轮廓，而那并不是标题所暗示的那种轮廓。

草稿检查点究竟是什么，用三句话说明

投机解码把一个廉价模型放在昂贵模型前面：草稿模型提出一批候选 token，真正的模型用一次前向传播校验整批候选，并保留它认可的部分。由于目标模型会检查每一个被提出的 token，贪婪解码下的输出与单独运行目标模型逐位一致——Liquid 的说法是“构造上无损”，这也是草稿模型可以安全地接入生产栈的原因。LFM2.5-8B-A1B-DSpark 是一个刻意做小的草稿模型：五个仅含注意力的层、每步提出九个 token 的块，以及一个覆盖目标模型 128,000 词表的马尔可夫头；它在聊天、代码和函数调用数据上训练了 15 个 epoch，检查点依据接受率而非验证损失来挑选。

最后那个细节并非无关紧要。Liquid 自己的文章指出，对于更大的草稿，验证损失“在我们关心的基准验收已经停止变化之后仍在持续改善”——这种句子只会出现在一个团队正把它投入线上服务、而不是发表论文的时候。

这两个堆栈，每个维度一行

• 它是什么 — LFM2.5-24B-A2B 是一个可部署的推理模型，输入文本、输出文本。LFM2.5-8B-A1B-DSpark 只是一个推测解码加速器，仅此而已。

• 规模 — 总计 24.0B / 每 token 激活 2.45B，40 层中采用 top-4 路由的 64 个专家，而五个纯注意力层中仅有 327.7M 草稿参数。

• 上下文 —— 24B 模型支持 131,072 个 token，较上一代翻了一番；草稿模型本身没有上下文，因为它在目标模型的流上运行。

• 推理——24B 始终会在 <think> 块内输出显式的思维链。而草稿不会输出任何用户能看到的可见内容。

• 价格 — 在 Liquid 的 Console 上，24B 模型每百万输入 token 为 $0.10（缓存 $0.05），每百万输出为 $1.00，并提供 $2 的起始额度。草稿模型没有定价，因为没有推理服务商提供它。

• 许可证——lfm1.0 对两者均适用：可免费下载、微调并用于商业部署，直至公司年收入超过 1000 万美元，届时将适用商业许可证。

• 已发布格式 — 24B 的 GGUF 从 14.5 GB 的 Q4_K_M 到 48 GB 的 BF16、13.6 GB 的 QAT QAD-Q4_0、FP8、ONNX 以及 4/5/6/8 位 MLX；草稿模型提供 Safetensors 和 GGUF，并首日支持 SGLang 和 llama.cpp。

决定一切的维度，是第五个最后修改的那个：其中一种有按 token 计价的价格，另一种则是你安装后能让自托管模型每 token 更便宜的东西。它们从不竞争。它们会叠加。

重要的数字，以及那个应该让你担忧的数字

Liquid 在批大小为 1、温度为 0 的条件下，跨五个数据集测量了 DSpark 草稿模型——在 SGLang 下、80GB H100 上以 BF16 精度运行，以及在 llama.cpp 下、M4 Max MacBook Pro 上以 FP16 GGUF 运行并采用实验性 Metal 内核。每一项加速都是相对于同一目标模型在同一硬件上单独运行时的表现。所有这些均由厂商报告，而且三个月过去了，仍未得到复现。

在 H100 上，与 LFM2.5-8B-A1B 对比：

• MATH500 — 3.18×（428 → 1,362 tokens/s，接受度 8.27）——最引人注目的数字。

• MT-Bench — 3.02×（426 → 1,288 tokens/s，接受率 8.52）。

• MBPP — 2.64×（426 → 1,122）和HumanEval — 2.58×（426 → 1,100）。

• GSM8K — 1.29×（385 → 496，接受值 4.02）——这是表现最弱的案例，注意它恰恰是目标模型一开始就已经更快的那一个。

• 均值 — 2.54×（418 → 1,074 tokens/s）。

在 M4 Max 上，同样的草稿模型对同样的目标模型，表现却截然不同：MATH500 1.21×（93 → 112），GSM8K 1.44×（90 → 129），HumanEval 1.12×（91 → 101），MBPP 1.09×（89 → 97），MT-Bench 1.04×（87 → 90），均值 1.18×（90 → 106）。

把这两份列表放在一起看，结论无法回避：草稿检查点加速的是模型并非为之打造的硬件，而对它原本面向的硬件几乎没有提升。这不是 Liquid 实现中的缺陷，而是瓶颈所在——投机解码在你计算空闲、内存紧张时才有收益，而一台运行量化后激活参数为 1.5B 的 MoE 的 M4 Max，已经接近其内存带宽上限。Liquid 自己发布了结果中糟糕的那一半，所以 3.18× 这个数字被单独引用的频率，远高于大多数读者实际会体验到的 1.18×。

为什么24B配对是一个真正悬而未决的问题

关于即将推出的 LFM2.5-24B-A2B draft，除了模型卡上的“coming soon”这几个字之外，一切都尚未公布，因此接下来是对问题轮廓的推理，而不是一份报告。

草稿的价值由接受率决定，而接受率由目标的可预测程度决定。一个总是生成显式思维链的推理模型——LFM2.5-24B-A2B 正是如此，且 Liquid 以推荐的 0.1 温度交付它——会输出一长段局部可预测的文本。这是 9-token 块的理想土壤。因此，24B 草稿的上限可能很高，而模型卡自身的词表说明也有帮助：24B 使用的正是 8B 草稿器的 Markov 头所基于的同一个 128,000-token 词表，因此草稿头无需从不同的 token 空间重建。

真正的制约因素在于硬件。24B 模型所宣称的边缘端结果是：在 Apple M5 Max 上达到每秒 184 个 token，而更大的目标意味着即便整个块被一次性接受，验证过程也更大。如果 8B 的表现规律成立——在算力有富余的地方收益大，在笔记本上收益小——那么 24B 草稿模型可能最终会变成一个依附于边缘模型的数据中心工具，这对一款产品而言是一种奇怪的形态。任何期待它、并引用“3.18×”这一数字的人，引用的其实是在不同模型、不同硬件、不同草稿模型上测得的数字。

成本，以及完全不自行托管的理由

一个需要坦诚说明的复杂之处：DSpark 的整个价值主张就是每个自托管 token 的吞吐量，所以它的经济账就是你自己的 GPU 时间的每 token 成本。相比之下，24B 模型有一个公开价格——每百万输入 token 0.10 美元（缓存 0.05 美元），每百万输出 token 1.00 美元——如果你宁愿完全不在自己的笔记本电脑上运行一个 14.5 GB 的量化检查点，这就是你要支付的费用。

为了明确我们提供什么、不提供什么：我们在 OrcaRouter 上不提供 LFM2.5-24B-A2B 或 LFM2.5-8B-A1B-DSpark。我们提供的是这一决策不断撞见的开放权重模型——qwen/qwen3.6-35b-a3b，也就是 Liquid 用来对标自家 24B 的那款模型，其总参数和激活参数都多出约百分之五十，此外还有google/gemma-4-26b-a4b-it、obsidian/gemma-4-26B-A4B以及google/gemma-4-31b-it，同属稀疏开放这一类。如果你正在权衡 14 GB 的下载量加一套投机解码栈，与用一个密钥调用已托管的模型、在提供商标价上享受 0% 加价之间的取舍，那么这个对比你今天下午就能在我们这边跑起来，而在他们那边只能靠估算。

今天该拿他们俩怎么办

如果你想要一个可供调用的模型，答案是 LFM2.5-24B-A2B，而 DSpark 检查点对你来说无关紧要——它只加速某一个特定的 8B 模型，而且也没有第三方平台为二者中的任何一个提供服务。如果你已经在 GPU 上自托管 LFM2.5-8B-A1B，那么这个草稿模型就是一个免费的吞吐量倍增器，不会对你的输出造成任何改变，而平均 2.54× 是实实在在的服务成本降低。如果你在 Mac 上自托管它，平均只有 1.18×，而诚实的解读是，这个草稿模型的价值大约只有发布头条所暗示的十分之一。

真正值得关注的，不是 24B 草稿模型的发布日期——这一点无人公布过。而是它会落在两种情形中的哪一种。如果 Liquid 公布的是在苹果芯片上平均 2 倍以上的加速，那么投机解码就已经跨过了一道界线，边缘层级真正变得运行成本更低。如果它公布的只是峰值数字，而没有笔记本上的平均值，那么 8B 的结果从一开始就是答案：这项技术只有在你有闲置算力时才划算，而一台靠电池运行 24B 混合专家模型的机器，并没有多余算力可用。

像这样的比较，也正是故障模式暴露之处：OrcaRouter AI Incident Archive 收录了这类模型背后有记录的 AI 事件和智能体故障，其中每个条目都带有各自的来源、严重程度、置信度等级和争议标记。