Liquid AI telah merilis LFM2.5-2.6B, sebuah model dengan 2,69 miliar parameter yang dirancang untuk berjalan sepenuhnya pada perangkat lokal seperti ponsel, laptop, dan robot. Model ini memiliki jendela konteks berukuran 131.076 token dan dilatih awal pada sekitar 34 triliun token.

  • Mendukung pemanggilan alat dan tugas agentic multi-langkah dengan bobot tersedia dalam format GGUF, MLX, dan ONNX di bawah lisensi lfm1.0.
  • Arsitekturnya menggabungkan 22 blok konvolusi pendek ganda-gating dengan 8 blok perhatian query berkelompok di seluruh 30 lapisan.
  • Pelatihan pasca melibatkan empat tahap termasuk penyetelan halus terawasi, spesialisasi guru melalui pembelajaran penguatan, dan pembelajaran penguatan agentic dalam harness seperti Hermes Agent.
  • Benchmark menunjukkan LFM2.5-2.6B mengungguli gemma-4-E4B-it dan Qwen3.5-9B pada ToolSandbox, Multi-IF, dan IFStruct, sementara tertinggal hanya pada BFCLv4.
  • Inference sangat efisien, melakukan decoding pada 220 token per detik pada chip M5 Max dengan penggunaan memori di bawah 2,5 GB.

Bobot terbuka memungkinkan pengembang untuk mengerahkan beban kerja agentic secara lokal tanpa mengirim data ke API pihak ketiga, menguntungkan industri yang diatur seperti kesehatan dan keuangan.