北京
一个总参数24B的模型，推理时只激活2B，却在量子校准基准上跑赢了激活参数更多的对手。LiquidAI开源了LFM2.5-24B-A2B，这个数字组合本身就值得看一眼。
24B和2B，差在哪
LFM2.5-24B-A2B的总参数是24B，激活参数是2B。它基于Gemma 4构建，是一个视觉-语言模型，专注的方向是分析量子校准实验。
激活参数远小于总参数，意味着模型在单次推理中调用的计算量更小。这个规格放在量子校准这个具体场景里，是它被拿出来比较的前提。
赢了谁，又输给谁
在量子校准基准测试中，LFM2.5-24B-A2B的表现超过了Qwen 3.6-35B-A3B。对手的激活参数是3B，比它的2B更多。
它在实验图表分析能力上展现出优势。但对比最新的Qwen 3.8，它仍然略逊一筹。
这个结果被概括成一句话：24B总参数，2B激活参数，比Qwen3.6-35B-A3B强，但是肯定比不上Qwen3.8。
它被设计来做什么
LFM2.5-24B-A2B的定位是量子计算研究中的重复性实验自动分析。具体处理的图表类型包括：
- Rabi 振荡
- Ramsey 条纹
- T1 放松图
这些都是量子校准实验里反复出现的分析对象。把这类重复性任务交给模型自动解读，是它瞄准的适用场景。
一个24B总参数、2B激活参数的模型，选择在量子校准这个垂直方向上对标更大激活参数的通用模型，并且拿到了部分胜场。这个取舍本身，比单纯的跑分更有信息量。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
