LFM2.5-2.6B：随处部署智能体（8分钟阅读）

# LFM2.5-2.6B：将智能体部署到任何地方 今天，我们发布 **LFM2.5-2.6B**，一款完全在设备端运行的智能体模型。它足够小，可以在手机上运行；足够快，在 CPU 上也能保持响应；能力足够强，能够驱动智能体工作流：规划、调用工具和处理多步骤任务。 与依赖云 API 的智能体不同，本地智能体提供免费推理、低延迟和真正的隐私。消除按 token 计费的成本改变了开发者的构建方式：智能体现在可以在本地硬件上大规模并行化，运行消耗数百万 token 的后台任务而无需额外成本。当 token 开销不再是约束时，智能体可以全天候在任何地方运行。 基础模型（LFM2.5-2.6B-Base）和后训练模型（LFM2.5-2.6B）今天已在 [Hugging Face](https://huggingface.co/LiquidAI/LFM2.5-2.6B) 上提供。查看我们的[文档](https://docs.liquid.ai/lfm/models/lfm25-2.6b)，了解如何在本地运行和微调它们。 ## 训练 LFM2.5-2.6B 是一个 2.6B 参数的模型，专门为智能体工作负载训练。它在大约 34T token 上进行了预训练。为了更好地支持 LFM2.5 中的非拉丁文字，我们通过[就地扩展现有 tokenizer](https://www.liquid.ai/blog/tokenizer-expansion) 将词表扩大了一倍至 128K，而不是从头重新训练模型，采用了与 [LFM2.5-8B-A1B](https://www.liquid.ai/blog/lfm2-5-8b-a1b) 相同的流程。训练中期包含一个专门的 128K 上下文扩展阶段，使模型能够处理智能体工作负载所需的长输入。 该示意图总结了将 LFM2.5-2.6B-Base 转化为智能体版 LFM2.5-2.6B 的四阶段后训练流程：**监督微调**（SFT）、**专家教师化**（Teacher Specialization）、**多领域同策略蒸馏**（MOPD）和**智能体强化学习**（Agentic RL）。 **监督微调。** 后训练从两个连续的 SFT 阶段开始：首先是覆盖所有领域的广泛训练，然后是针对优先技能（如智能体任务、推理和工具使用）的定向塑造。在这两个阶段中，SFT 训练混合数据量约为 LFM2.5-8B-A1B 所用数据的七倍，其中更侧重智能体任务，例如工具使用、网络搜索、软件工程和智能体轨迹。最终的 SFT 检查点既作为学生模型，也作为训练一组专家教师以用于后续蒸馏阶段的初始化检查点。 **专家教师化。** 从共享的 SFT 检查点出发，我们针对每个目标领域训练一位专家：先在重新加权后的数据混合上进行一轮聚焦的 SFT，然后进行基于可验证奖励的强化学习（RLVR）。由此产生的专家模型覆盖指令遵循、数学、知识（包括幻觉控制）、代码、工具使用和长上下文。分别训练它们可以让每位专家在自己的领域内深入优化，使用针对性的数据和奖励，而不会受到无关目标带来的竞争性更新干扰。 **MOPD。** 然后，我们使用这些专家教师，将他们的能力蒸馏到一个学生模型中。与离策略蒸馏（学生从另一个模型生成的轨迹中学习）不同，MOPD 允许学生在其自身策略下进行 rollout。每个提示会被路由到对应领域的教师，由教师以 token 级反馈监督学生的响应。 由于教师与学生源自同一个 SFT 检查点，他们的反馈与学生的分布保持足够接近，从而能够在不大幅扰动训练的情况下引导学习。这种密集的、按路由的监督帮助学生快速收敛，同时将各领域的专门能力整合到单一模型中。 **智能体强化学习。** 最后阶段教会模型在真实的智能体环境中运行。我们通过真实的智能体框架进行多轮智能体 RL，模型需要完成现实的生产力任务，这些任务评估其研究、写作、编程、数据分析、文档管理、外部工具使用以及自动化多步骤工作流的能力。 训练期间，我们会采样一个任务并随机选择对应的框架。每次 rollout 都在带有独立运行时的专用沙盒中执行。我们使用 GRPO 进行优化，采用基于结果的奖励，结合了 LLM 作为评估者的评分标准、程序化检查以及硬安全门控。直接在 Hermes Agent、OpenClaw 和其他框架中训练，让模型接触它们的工具、系统提示和交互模式，帮助它在不同智能体环境中可靠地工作。 训练流水线将模型优化、推理和环境执行分离为不同的组件。**训练引擎**（FSDP）优化模型，而 **rollout 引擎**（SGLang）使用最新策略生成动作。**RL 框架**（verl）通过启动 rollout、收集轨迹和奖励以及更新模型来编排训练循环。 动作在**沙盒服务**中执行，其中 **Blackbox Harness** 承载智能体（例如 OpenClaw 或 Hermes Agent），并通过工具调用、代码执行和其他任务特定操作