230m 是 Liquid AI 旗下 LFM2.5-230M 模型的常用简称，指该公司于 2026 年 6 月发布的参数量约 2.3 亿的小型语言模型，属于 LFM2.5 系列，主要面向设备端（on-device）推理和 agent 类工作负载。它常被用来指代这一系列中参数量最小的模型，也是 230M 级别端侧模型讨论中的代表案例之一。
LFM2.5-230M 的近期进展
当前焦点与观察点
围绕 230M 级别模型的讨论主要集中于三个方向。一是端侧部署可行性：由于参数量小，这类模型在 CPU 和移动芯片上的延迟与内存占用明显优于大模型，但能力上限也更低，如何在小体积内保留指令遵循和 agent 能力是核心争议。二是生态适配速度：LFM2.5-230M 在发布时就获得 llama.cpp、vLLM、SGLang 等多个框架支持，说明开源推理生态对轻量模型的需求已经形成共识。三是编码器产品线的拓展：将 230M 规模用于双向编码器并在长上下文下保持 CPU 性能，指向的是搜索、分类、RAG 等对延迟敏感的场景。
后续值得关注的是：230M 模型在实际 agent 任务中的基准表现能否与更大模型拉开足够小的差距，以及厂商是否会在这一参数量级别推出蒸馏或多语言变体。对于需要在本地运行 AI 功能的开发者而言，230M 量级正在成为一个值得跟踪的实用基线。