Liquid AI ha lanzado LFM2.5-2.6B, un modelo de 2.690 millones de parámetros diseñado para ejecutarse completamente en dispositivos locales como teléfonos, portátiles y robots. El modelo cuenta con una ventana de contexto de 131.072 tokens y fue preentrenado con aproximadamente 34 billones de tokens.

  • Admite llamada de herramientas y tareas agentes multietapa, con pesos disponibles en formatos GGUF, MLX y ONNX bajo la licencia lfm1.0.
  • La arquitectura combina 22 bloques de convolución corta con doble compuerta y 8 bloques de atención de consulta agrupada a través de 30 capas.
  • El entrenamiento posterior involucró cuatro etapas, incluyendo ajuste fino supervisado, especialización del maestro mediante aprendizaje por refuerzo y aprendizaje por refuerzo agente dentro de harnesses como Hermes Agent.
  • Los benchmarks muestran que LFM2.5-2.6B supera a gemma-4-E4B-it y Qwen3.5-9B en ToolSandbox, Multi-IF e IFStruct, mientras solo queda rezagado en BFCLv4.
  • La inferencia es altamente eficiente, decodificando a 220 tokens por segundo en un chip M5 Max utilizando menos de 2.5 GB de memoria.

Los pesos abiertos permiten a los desarrolladores desplegar cargas de trabajo agentes localmente sin enviar datos a APIs de terceros, beneficiando a industrias reguladas como la salud y las finanzas.