LFM2.5-2.6B: نموذج الذكاء الاصطناعي الوكيل الذي يعمل بالكامل على جهازك دون اتصال بالسحابة
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال... بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة م...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال...
بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة من الأجهزة من الهواتف الذكية إلى الحواسيب المحمولة (يحقق 30 رمزًا/ثانية على الهواتف و113 على معالجات AMD Ryzen AI و220 على...
تم تدريب النموذج على حوالي 34 تريليون رمز ويتميز بنافذة سياقية تصل إلى 128 ألف رمز، مما يمكنه من معالجة المهام المعقدة والطويلة.
يستخدم النموذج بنية هجينة مبتكرة من LFM2.5 ويحتوي على 30 طبقة، ويتميز بقدرته على استدعاء الأدوات (Tool Calling) بشكل أصلي، مما يجعله خيارًا مثاليًا لتطبيقات الوكلاء الأذكياء على الحافة [3][8][11].
What is Liquid AI's LFM2.5-2.6B model — its release date, parameter count, key design focus on agentic workflows (including planning, tool cLFM2.5-2.6B is Liquid AI's latest open-weight model for on-device agentic AI.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is Liquid AI's LFM2.5-2.6B model — its release date, parameter count, key design focus on agentic workflows (including planning, tool c. Article summary: Here is a comprehensive breakdown of Liquid AI's **LFM2.5-2.6B** model.. Topic tags: general, academic, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factua
openai.com
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذجها الجديد LFM2.5-2.6B في 4 أغسطس 2026. هذا النموذج اللغوي صغير الحجم ومفتوح الوزن (Open-Weight)، وهو مصمم خصيصًا لتشغيل مهام "الوكيل الذكي" (AI Agent Workflows) مثل التخطيط للمهام، واستدعاء الأدوات والوظائف (Tool Calling)، والبحث على الويب، وتنفيذ المهام متعددة الخطوات، كل ذلك بالكامل على جهاز المستخدم (On-Device) دون الحاجة إلى إرسال بيانات إلى السحابة، مما يضمن الخصوصية وانعدام تكاليف التشغيل الإضافية للاستدلال .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "LFM2.5-2.6B: نموذج الذكاء الاصطناعي الوكيل الذي يعمل بالكامل على جهازك دون اتصال بالسحابة"؟
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال... بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة من الأجهزة من الهواتف الذكية إلى الحواسيب المحمولة (يحقق 30 رمزًا/ثانية على الهواتف و113 على معالجات AMD Ryzen AI و220 على...
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تم تدريب النموذج على حوالي 34 تريليون رمز ويتميز بنافذة سياقية تصل إلى 128 ألف رمز، مما يمكنه من معالجة المهام المعقدة والطويلة.
LFM2.5-2.6B: نموذج الذكاء الاصطناعي الوكيل الذي يعمل بالكامل على جهازك دون اتصال بالسحابة
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال... بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة م...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال...
بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة من الأجهزة من الهواتف الذكية إلى الحواسيب المحمولة (يحقق 30 رمزًا/ثانية على الهواتف و113 على معالجات AMD Ryzen AI و220 على...
تم تدريب النموذج على حوالي 34 تريليون رمز ويتميز بنافذة سياقية تصل إلى 128 ألف رمز، مما يمكنه من معالجة المهام المعقدة والطويلة.
يستخدم النموذج بنية هجينة مبتكرة من LFM2.5 ويحتوي على 30 طبقة، ويتميز بقدرته على استدعاء الأدوات (Tool Calling) بشكل أصلي، مما يجعله خيارًا مثاليًا لتطبيقات الوكلاء الأذكياء على الحافة [3][8][11].
What is Liquid AI's LFM2.5-2.6B model — its release date, parameter count, key design focus on agentic workflows (including planning, tool cLFM2.5-2.6B is Liquid AI's latest open-weight model for on-device agentic AI.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is Liquid AI's LFM2.5-2.6B model — its release date, parameter count, key design focus on agentic workflows (including planning, tool c. Article summary: Here is a comprehensive breakdown of Liquid AI's **LFM2.5-2.6B** model.. Topic tags: general, academic, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factua
openai.com
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذجها الجديد LFM2.5-2.6B في 4 أغسطس 2026. هذا النموذج اللغوي صغير الحجم ومفتوح الوزن (Open-Weight)، وهو مصمم خصيصًا لتشغيل مهام "الوكيل الذكي" (AI Agent Workflows) مثل التخطيط للمهام، واستدعاء الأدوات والوظائف (Tool Calling)، والبحث على الويب، وتنفيذ المهام متعددة الخطوات، كل ذلك بالكامل على جهاز المستخدم (On-Device) دون الحاجة إلى إرسال بيانات إلى السحابة، مما يضمن الخصوصية وانعدام تكاليف التشغيل الإضافية للاستدلال .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "LFM2.5-2.6B: نموذج الذكاء الاصطناعي الوكيل الذي يعمل بالكامل على جهازك دون اتصال بالسحابة"؟
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت شركة Liquid AI، المنبثقة عن معهد ماساتشوستس للتكنولوجيا (MIT)، نموذج LFM2.5 2.6B في 4 أغسطس 2026، وهو نموذج مفتوح الوزن بحجم 2.6 مليار معامل مصمم خصيصًا لتشغيل مهام الوكيل الذكي (مثل التخطيط واستدعاء الأدوات وال... بفضل كفاءته، يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة، مما يسمح بتشغيله على مجموعة واسعة من الأجهزة من الهواتف الذكية إلى الحواسيب المحمولة (يحقق 30 رمزًا/ثانية على الهواتف و113 على معالجات AMD Ryzen AI و220 على...
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تم تدريب النموذج على حوالي 34 تريليون رمز ويتميز بنافذة سياقية تصل إلى 128 ألف رمز، مما يمكنه من معالجة المهام المعقدة والطويلة.
تم إطلاق النموذج في 4 أغسطس 2026. وهو نموذج كثيف (Dense Model) بإجمالي 2.69 مليار معامل و 30 طبقة: 22 طبقة من نوع الالتفاف القصير مزدوج البوابة (double-gated short convolution blocks) و 8 طبقات انتباه استعلام مجمع (GQA)، مبني على البنية الهجينة LFM2 .
محور التصميم الأساسي: وكلاء أذكياء على الجهاز
الهدف الرئيسي للنموذج هو تشغيل مهام الوكيل الذكي بالكامل على الجهاز مع بقاء البيانات على الجهاز نفسه وعدم مغادرته أبدًا، مما يلغي التكلفة الحدية للاستدلال (Zero Marginal Inference Cost) . يتمتع النموذج بقدرة أصلية على استدعاء الأدوات (Native Tool Calling) وتم تدريبه على العمل بموثوقية ضمن بيئات الوكلاء الحقيقية مثل Hermes Agent و OpenClaw و Pi .
تفاصيل التدريب
المرحلة التمهيدية (Pre-training): تم تدريبه على حوالي 34 تريليون رمز (Token).
المفردات (Vocabulary): تضم 128 ألف رمز (تمت مضاعفتها مقارنة بالنماذج السابقة لدعم أفضل للغات غير اللاتينية، وإدخالات الوكيل المتنوعة مثل مخططات الأدوات ومسارات الملفات) .
النافذة السياقية (Context Window): تصل إلى 128 ألف رمز (131,072)، وتم توسيعها عبر مرحلة تدريب خاصة لتوسيع السياق .
خطة ما بعد التدريب (Post-training Pipeline) ذات الأربع مراحل:
حجم الذاكرة وسرعات فك الترميز
يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة فقط . السرعات التالية هي أرقام تم الإعلان عنها من قبل الشركة المصنعة (Liquid AI):
الجهاز
سرعة فك الترميز
Apple M5 Max
220 رمزًا/ثانية
AMD Ryzen AI Max+ 395
113 رمزًا/ثانية
الهواتف الذكية
~30 رمزًا/ثانية
معالج Nvidia H100 واحد (بالتزامن العالي)
~15,000 رمزًا/ثانية
أطر العمل المدعومة للاستدلال (Inference Frameworks)
النموذج يدعم أطر العمل الشهيرة مثل llama.cpp (بصيغة GGUF)، و MLX (لمعالجات Apple)، و vLLM، و SGLang، و ONNX، بالإضافة إلى مكتبة Transformers القياسية .
التوفر والترخيص
النموذج متاح للتحميل مجانًا بأوزانه المفتوحة على منصة Hugging Face تحت اسم المستودع LiquidAI/LFM2.5-2.6B، ويتضمن إصدارات بصيغ GGUF و MLX و ONNX للتحميل الفعال . وهو مرخص بموجب رخصة LFM1.0 للأوزان المفتوحة .
خلفية الشركة: منبثقة من معهد ماساتشوستس للتكنولوجيا (MIT)
تأسست شركة Liquid AI في عام 2023 كشركة منبثقة من مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) في MIT من قبل رامين حساني (Ramin Hasani) (الرئيس التنفيذي)، و ماتياس ليخنر (Mathias Lechner) (المدير التكنولوجي)، و ألكسندر أميني (Alexander Amini) (المدير العلمي)، و دانييلا روس (Daniela Rus) (أستاذة في MIT ومديرة مختبر CSAIL). تطورت تقنية الشركة من الأبحاث المتعلقة بالشبكات العصبية السائلة (Liquid Neural Networks) في MIT .
القيود
لا يُنصح باستخدام LFM2.5-2.6B لمهام البرمجة الوكيلة أو المهام التي تعتمد بشكل كبير على المعرفة. في اختبارات البرمجة، لا تزال النماذج الأكبر حجمًا (مثل Qwen3.5-9B) تتفوق عليه، وينصح بطاقة Hugging Face الرسمية بعدم استخدامه لهذه المهام . للمهام الوكيلة المعقدة في البرمجة أو استرجاع المعرفة العميق، لا تزال النماذج الأكبر الخيار الأفضل .
تم إطلاق النموذج في 4 أغسطس 2026. وهو نموذج كثيف (Dense Model) بإجمالي 2.69 مليار معامل و 30 طبقة: 22 طبقة من نوع الالتفاف القصير مزدوج البوابة (double-gated short convolution blocks) و 8 طبقات انتباه استعلام مجمع (GQA)، مبني على البنية الهجينة LFM2 .
محور التصميم الأساسي: وكلاء أذكياء على الجهاز
الهدف الرئيسي للنموذج هو تشغيل مهام الوكيل الذكي بالكامل على الجهاز مع بقاء البيانات على الجهاز نفسه وعدم مغادرته أبدًا، مما يلغي التكلفة الحدية للاستدلال (Zero Marginal Inference Cost) . يتمتع النموذج بقدرة أصلية على استدعاء الأدوات (Native Tool Calling) وتم تدريبه على العمل بموثوقية ضمن بيئات الوكلاء الحقيقية مثل Hermes Agent و OpenClaw و Pi .
تفاصيل التدريب
المرحلة التمهيدية (Pre-training): تم تدريبه على حوالي 34 تريليون رمز (Token).
المفردات (Vocabulary): تضم 128 ألف رمز (تمت مضاعفتها مقارنة بالنماذج السابقة لدعم أفضل للغات غير اللاتينية، وإدخالات الوكيل المتنوعة مثل مخططات الأدوات ومسارات الملفات) .
النافذة السياقية (Context Window): تصل إلى 128 ألف رمز (131,072)، وتم توسيعها عبر مرحلة تدريب خاصة لتوسيع السياق .
خطة ما بعد التدريب (Post-training Pipeline) ذات الأربع مراحل:
حجم الذاكرة وسرعات فك الترميز
يعمل النموذج في أقل من 2.5 جيجابايت من الذاكرة فقط . السرعات التالية هي أرقام تم الإعلان عنها من قبل الشركة المصنعة (Liquid AI):
الجهاز
سرعة فك الترميز
Apple M5 Max
220 رمزًا/ثانية
AMD Ryzen AI Max+ 395
113 رمزًا/ثانية
الهواتف الذكية
~30 رمزًا/ثانية
معالج Nvidia H100 واحد (بالتزامن العالي)
~15,000 رمزًا/ثانية
أطر العمل المدعومة للاستدلال (Inference Frameworks)
النموذج يدعم أطر العمل الشهيرة مثل llama.cpp (بصيغة GGUF)، و MLX (لمعالجات Apple)، و vLLM، و SGLang، و ONNX، بالإضافة إلى مكتبة Transformers القياسية .
التوفر والترخيص
النموذج متاح للتحميل مجانًا بأوزانه المفتوحة على منصة Hugging Face تحت اسم المستودع LiquidAI/LFM2.5-2.6B، ويتضمن إصدارات بصيغ GGUF و MLX و ONNX للتحميل الفعال . وهو مرخص بموجب رخصة LFM1.0 للأوزان المفتوحة .
خلفية الشركة: منبثقة من معهد ماساتشوستس للتكنولوجيا (MIT)
تأسست شركة Liquid AI في عام 2023 كشركة منبثقة من مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) في MIT من قبل رامين حساني (Ramin Hasani) (الرئيس التنفيذي)، و ماتياس ليخنر (Mathias Lechner) (المدير التكنولوجي)، و ألكسندر أميني (Alexander Amini) (المدير العلمي)، و دانييلا روس (Daniela Rus) (أستاذة في MIT ومديرة مختبر CSAIL). تطورت تقنية الشركة من الأبحاث المتعلقة بالشبكات العصبية السائلة (Liquid Neural Networks) في MIT .
القيود
لا يُنصح باستخدام LFM2.5-2.6B لمهام البرمجة الوكيلة أو المهام التي تعتمد بشكل كبير على المعرفة. في اختبارات البرمجة، لا تزال النماذج الأكبر حجمًا (مثل Qwen3.5-9B) تتفوق عليه، وينصح بطاقة Hugging Face الرسمية بعدم استخدامه لهذه المهام . للمهام الوكيلة المعقدة في البرمجة أو استرجاع المعرفة العميق، لا تزال النماذج الأكبر الخيار الأفضل .
الضبط الدقيق تحت الإشراف (SFT): جولتان؛ الأولى لتغطية واسعة والثانية للتركيز على مهام الوكيل واستخدام الأدوات والاستدلال وهندسة البرمجيات.
تخصص المعلمين (Teacher Specialization): تدريب خبير لكل مجال (اتباع التعليمات، الرياضيات، التحكم بالمعرفة والهلوسة، البرمجة، استخدام الأدوات، السياق الطويل) عبر SFT و RLVR.
التقطير متعدد المجالات عبر السياسة المُتبعة (MOPD): إشراف المعلمين المتخصصين على نموذج الطالب بملاحظات على مستوى الرمز أثناء تنبؤات الطالب.
تعزيز التعلم الوكيل (Agentic RL): تعلم معزز متعدد الأدوار داخل بيئات وكيل حقيقية باستخدام خوارزمية GRPO، مع مكافآت مبنية على النتائج تجمع بين حكم نموذج لغوي كبير، وفحوصات برمجية، وبوابة أمان.
الضبط الدقيق تحت الإشراف (SFT): جولتان؛ الأولى لتغطية واسعة والثانية للتركيز على مهام الوكيل واستخدام الأدوات والاستدلال وهندسة البرمجيات.
تخصص المعلمين (Teacher Specialization): تدريب خبير لكل مجال (اتباع التعليمات، الرياضيات، التحكم بالمعرفة والهلوسة، البرمجة، استخدام الأدوات، السياق الطويل) عبر SFT و RLVR.
التقطير متعدد المجالات عبر السياسة المُتبعة (MOPD): إشراف المعلمين المتخصصين على نموذج الطالب بملاحظات على مستوى الرمز أثناء تنبؤات الطالب.
تعزيز التعلم الوكيل (Agentic RL): تعلم معزز متعدد الأدوار داخل بيئات وكيل حقيقية باستخدام خوارزمية GRPO، مع مكافآت مبنية على النتائج تجمع بين حكم نموذج لغوي كبير، وفحوصات برمجية، وبوابة أمان.
docs.liquid.aiLFM2.5-2.6B - Liquid Docs
liquid.aiLFM2.5-2.6B: Deploy Agents Everywhere — Blog
explainx.aiLFM2.5-2.6B: Liquid AI's Biggest On-Device Agent Model Yet
x.comToday we release LFM2.5-2.6B, an agentic model that runs ...
developersdigest.techLFM2.5-2.6B: Liquid AI's On-Device Agent Model Runs at 220 ...