问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年8月21日，Liquid AI与Hugging Face联合发布LFM2.5系列DSpark草稿模型检查点，覆盖1.2B、2.6B、8B-A1B三款参数规格。该模型采用全新投机解码路径，在完全不改变输出质量的前提下大幅提升推理吞吐量，GPU端实测最高提速3.18倍，端侧设备最高提速2.87倍，有效降低端侧智能体应用运行门槛。
在搭载M4Max芯片的MacBook Pro上，运行LFM2.5-2.6B版本DSpark模型的输出速度最高可达每秒139个token，这一数字比此前的常规版本提升了近2倍，而用户拿到的生成内容质量没有出现任何衰减。这也是此次新模型最核心的差异化优势：在不牺牲效果的前提下实现效率翻倍。
此次发布的DSpark草稿模型，核心优化逻辑是新增了投机解码路径，没有改动LFM2.5系列模型的预训练参数和生成逻辑，因此能做到完全不改变输出质量，和原版本模型的生成结果完全一致，解决了过往提速方案往往要牺牲生成效果的普遍痛点。
三款参数的模型分别覆盖不同落地场景：1.2B参数版本适合超轻量级穿戴设备、嵌入式场景，2.6B参数版本是端侧智能体的主流选择，8B-A1B版本则适配云侧中小流量的推理需求，基本覆盖了当前大模型落地的主流部署环境。
实际测试数据显示，GPU端整体吞吐量最高可提升3.18倍，意味着云服务厂商处理同等量级的推理请求，算力成本可降低近三分之二，对成本敏感的ToB大模型应用来说增益显著。
在端侧设备上，提速幅度最高也能达到2.87倍，尤其是在端侧智能体（Agent）的推理场景中，LFM2.5-2.6B版本的函数调用延迟平均降低了57%，完全能满足本地智能体实时交互的需求，大幅降低了端侧AI应用的运行门槛，让普通消费级设备也能流畅运行复杂的AI应用。
长期以来，推理成本高、端侧运行效率低是制约大模型大规模落地的核心瓶颈之一，此前行业的解决方案大多集中在模型量化、剪枝等需要改动模型本身的路径，往往会带来效果衰减的问题。
此次DSpark草稿模型的发布，为行业提供了全新的优化思路，且依托Hugging Face的开源生态，所有开发者都可以免费获取相关模型检查点，无需从零搭建优化框架，有望带动全行业的推理效率提升，推动端侧离线AI应用的普及。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号