Liquid AI выпустила компактную агентную модель LFM2.5-2.6B с открытыми весами — работает на телефонах и роботах

Liquid AI представила LFM2.5-2.6B — агентную модель, которая целиком выполняется на устройстве: смартфоне, ноутбуке, ПК или роботе. У модели 2,69 млрд параметров, контекстное окно на 131 072 токена и словарь на 128 000 токенов. Предобучение прошло на примерно 34 трлн токенов. Выпущено два чекпоинта: базовая версия для дообучения и пост-тренированная для агентных задач. Все данные остаются на устройстве, затраты на каждый запуск близки к нулю.

По тестам LFM2.5-2.6B обходит Gemma-4-8B и Qwen3.5-9B в следовании инструкциям и почти во всех бенчмарках вызова инструментов (ToolSandbox — 77,83%, Multi-IF — 80,07%). Уступает Qwen3.5-9B только на BFCLv4 (56,88% против 60,13%). В кодинге крупные модели всё ещё сильнее: LiveCodeBenchv6 — 59,41% против 69,86% у Qwen3.5-9B. Скорость инференса — 220 токенов/с на M5 Max при потреблении менее 2,5 ГБ памяти.

Оба чекпоинта доступны на Hugging Face под лицензией lfm1.0. Веса поставляются в форматах GGUF, MLX и ONNX, с поддержкой в llama.cpp, vLLM, SGLang и LM Studio. Для дообучения подойдут LoRA с TRL и Unsloth. На одном NVIDIA H100 SXM5 можно обрабатывать около 1,3 млрд токенов в день. Разработчики и стартапы могут тестировать модель на своём оборудовании, а крупные компании — разворачивать на парке устройств через GGUF и ONNX.

Liquid AI рекомендует модель для агентных сценариев, вызова инструментов, извлечения данных, RAG и работы с длинным контекстом. Примеры: офлайн-ассистенты, обработка документов до 128K токенов, извлечение данных из форм и счетов, парсинг команд для роботов, фоновые агенты без затрат на каждый токен. Модель не подходит для агентного кодинга и задач, требующих глубоких знаний. Целевые отрасли: автомобильная, потребительская электроника, промышленная робототехника, здравоохранение, финансы, e-commerce и оборона.