在 M1 MacBook Air 上，Liquid 的 LFM2.5 跑 Agent（让模型自己决定调工具、搜网页那种）速度到 200 token/秒（token：大模型处理文字的最小单位）、内存只占 2.5GB，比清华系 MiniCPM5（162 token/秒、3.8GB）又快又省——参数多的反而输，暴露的是本地小模型赛道的真实分化。

这是什么

LFM2.5 来自美国初创公司 Liquid AI，MiniCPM5 由清华系团队 OpenBMB（背后是面壁智能）主导。两者都在 2024-2025 年密集发布，目标是在普通笔记本、迷你主机上跑得动的「够用」模型。

本周 Reddit 用户 parepeg 的实测场景很简单：让模型调用网页搜索回答「今天天气怎么样」这类问题，比拼速度和稳定性。结果 LFM2.5 在生成速度、内存占用、英文稳定性上都胜出；MiniCPM5 经常英文提问却回中文——在英文 Agent 场景里算 bug，在中文用户眼里反而可能是优势。

行业怎么看

支持者认为，小模型具备跑 Agent 的能力，意味着企业可以把 AI 部署到边缘设备（不依赖云端、本地就能用的终端），省算力费、保数据隐私。Liquid 的技术路线被部分从业者看好，理由就是「轻量模型商业化路径比硬卷超大模型更清晰」。

反对意见也有三条：第一，单一 Reddit 用户的测试不能代表全场景，换个硬件、换个 prompt 结果可能翻转；第二，MiniCPM5 的「中文优先」在中文市场是绝对优势，LFM2.5 的英文胜出对中国用户意义有限；第三，本次测试只覆盖「问天气」这种简单任务，2B 级别模型跑复杂 Agent（多步骤、长期记忆）依然吃力，结论不宜外推。

对普通人的影响

对企业 IT：在小团队内部署本地 Agent 助理的成本降到一台 Mac mini 的级别，不再必须依赖云端 API。但选型要看业务语言——中文业务选 MiniCPM5，英文业务选 LFM2.5。

对个人职场：做跨境业务、内容创作、行业研究的人，本地跑模型可以处理敏感数据不外传。但小模型能力有天花板，关键决策仍要回到云端大模型。

对消费市场：手机、耳机、车机里塞进小模型跑 Agent，开始具备工程基础。但「终端 AI」真正普及还要等芯片和模型双向跑通，不是今年的事。