LFM2.5-2.6B: Model AI Ejen Yang Boleh Berjalan Terus Pada Peranti Anda
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant... Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya baw...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant...
Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya bawah 2.5 GB memori.
Empat peringkat latihan pasca termasuk Pembelajaran Pengukuhan Ejenik dalam persekitaran sebenar.
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.
AI Prompt
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
Liquid AI Lancar LFM2.5-2.6B: Model Ejen Kecil Yang Berkuasa, Berjalan Terus Pada Peranti
Liquid AI telah melancarkan model bahasa terkecil tetapi paling bersasar mereka — LFM2.5-2.6B. Model 'open-weight' (berat terbuka) ini direka khas untuk menjalankan aliran kerja ejen AI secara terus pada peranti tanpa perlu menghantar data ke pelayan awan. Ini bererti privasi data terjamin dan kos inferens sifar tambahan .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "LFM2.5-2.6B: Model AI Ejen Yang Boleh Berjalan Terus Pada Peranti Anda"?
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant...
What are the key points to validate first?
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant... Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya bawah 2.5 GB memori.
What should I do next in practice?
Empat peringkat latihan pasca termasuk Pembelajaran Pengukuhan Ejenik dalam persekitaran sebenar.
LFM2.5-2.6B: Model AI Ejen Yang Boleh Berjalan Terus Pada Peranti Anda
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant... Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya baw...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant...
Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya bawah 2.5 GB memori.
Empat peringkat latihan pasca termasuk Pembelajaran Pengukuhan Ejenik dalam persekitaran sebenar.
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.
AI Prompt
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
Liquid AI Lancar LFM2.5-2.6B: Model Ejen Kecil Yang Berkuasa, Berjalan Terus Pada Peranti
Liquid AI telah melancarkan model bahasa terkecil tetapi paling bersasar mereka — LFM2.5-2.6B. Model 'open-weight' (berat terbuka) ini direka khas untuk menjalankan aliran kerja ejen AI secara terus pada peranti tanpa perlu menghantar data ke pelayan awan. Ini bererti privasi data terjamin dan kos inferens sifar tambahan .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "LFM2.5-2.6B: Model AI Ejen Yang Boleh Berjalan Terus Pada Peranti Anda"?
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant...
What are the key points to validate first?
Liquid AI lancarkan LFM2.5 2.6B pada 4 Ogos 2026 — model ejen padat dengan 2.69 bilion parameter yang mampu membuat perancangan, memanggil alat, mencari web, dan melaksanakan tugasan pelbagai langkah terus pada perant... Dilatih pada kira kira 34 trilion token dengan tetingkap konteks 128K, dan menggunakan hanya bawah 2.5 GB memori.
What should I do next in practice?
Empat peringkat latihan pasca termasuk Pembelajaran Pengukuhan Ejenik dalam persekitaran sebenar.
LFM2.5-2.6B dilancarkan pada 4 Ogos 2026. Ia adalah model padat dengan 2.69 bilion jumlah parameter (2.6B parameter aktif) dan 30 lapisan. Lapisan ini terdiri daripada 22 blok konvolusi pendek dua get dan 8 lapisan perhatian (GQA), semuanya dibina di atas seni bina hibrid LFM2 .
Fokus Utama: Ejen Pintar Pada Peranti
Berbeza dengan model AI lain yang bergantung pada pelayan awan, LFM2.5-2.6B dibina untuk melaksanakan tugasan ejen secara setempat. Antara keupayaannya termasuk:
Merancang langkah seterusnya
Memanggil alat (tool calling) secara semula jadi
Mencari maklumat di web
Melaksanakan tugasan yang mempunyai pelbagai langkah
Model ini telah dilatih untuk berfungsi dengan baik dalam rangka kerja ejen seperti Hermes Agent, OpenClaw, dan Pi .
Rahsia Di Sebalik Kehebatan: Latihan Mantap
Untuk menghasilkan model sekecil ini tetapi begitu berkesan, Liquid AI menggunakan pendekatan latihan yang sangat tersusun :
Latihan Awal (Pre-training): Menggunakan kira-kira 34 trilion token data .
Perbendaharaan Kata (Vocabulary): 128,000 token — dua kali ganda daripada model sebelumnya untuk menyokong skrip bukan Latin dan input ejen yang pelbagai seperti skema alat dan laluan fail .
Tetingkap Konteks: 128,000 token (131,072), membolehkan model mengendalikan input panjang yang diperlukan oleh tugasan ejen .
Empat Peringkat Latihan Pasca (Post-training):
Pemurnian Supervised (SFT): Dua pusingan untuk meliputi domain luas dan kemudian memfokuskan pada tugas ejen.
Prestasi: Cepat dan Jimat Memori
Salah satu daya tarikan utama model ini adalah keupayaannya berjalan dalam kurang daripada 2.5 GB memori. Berikut adalah kelajuan yang dilaporkan oleh Liquid AI untuk pelbagai perkakasan:
Perkakasan
Kelajuan Decode
Apple M5 Max
220 token/s
AMD Ryzen AI Max+ 395
113 token/s
Telefon Pintar
~30 token/s
GPU Nvidia H100 (konkurensi tinggi)
~15,000 token/s
Sokongan Rangka Kerja Inferens
Model ini menyokong pelbagai rangka kerja popular, memudahkan pembangun untuk menggunakannya:
llama.cpp (format GGUF)
MLX (untuk Apple Silicon)
vLLM, SGLang, ONNX, dan Transformers standard .
Muat Turun dan Lesen
LFM2.5-2.6B boleh dimuat turun secara 'open-weight' di Hugging Face melalui pautan LiquidAI/LFM2.5-2.6B. Ia juga tersedia dalam format terkuantisasi GGUF, MLX, dan ONNX di repositori berasingan. Model ini dilesenkan di bawah lesen LFM1.0 .
Latar Belakang Syarikat: Spinoff MIT
Liquid AI ditubuhkan pada 2023 sebagai spinoff dari MIT CSAIL oleh Ramin Hasani (CEO), Mathias Lechner (CTO), Alexander Amini (CSO), dan Daniela Rus (profesor MIT dan pengarah CSAIL). Teknologi syarikat ini berkembang dari penyelidikan mengenai rangkaian neural cecair di MIT .
Kekurangan dan Batasan
Walaupun hebat dalam tugas ejen, model ini tidak digalakkan untuk tugasan pengekodan ejenik atau tugas yang memerlukan pengetahuan mendalam. Dalam penanda aras pengekodan, model yang lebih besar (seperti Qwen3.5-9B) masih menunjukkan prestasi lebih baik. Kad Hugging Face rasmi menasihatkan supaya tidak menggunakannya untuk beban kerja tersebut .
Kesimpulannya, LFM2.5-2.6B adalah langkah penting dalam membawa kuasa AI ejen terus ke peranti pengguna, menawarkan keseimbangan antara prestasi, saiz, dan privasi.
LFM2.5-2.6B dilancarkan pada 4 Ogos 2026. Ia adalah model padat dengan 2.69 bilion jumlah parameter (2.6B parameter aktif) dan 30 lapisan. Lapisan ini terdiri daripada 22 blok konvolusi pendek dua get dan 8 lapisan perhatian (GQA), semuanya dibina di atas seni bina hibrid LFM2 .
Fokus Utama: Ejen Pintar Pada Peranti
Berbeza dengan model AI lain yang bergantung pada pelayan awan, LFM2.5-2.6B dibina untuk melaksanakan tugasan ejen secara setempat. Antara keupayaannya termasuk:
Merancang langkah seterusnya
Memanggil alat (tool calling) secara semula jadi
Mencari maklumat di web
Melaksanakan tugasan yang mempunyai pelbagai langkah
Model ini telah dilatih untuk berfungsi dengan baik dalam rangka kerja ejen seperti Hermes Agent, OpenClaw, dan Pi .
Rahsia Di Sebalik Kehebatan: Latihan Mantap
Untuk menghasilkan model sekecil ini tetapi begitu berkesan, Liquid AI menggunakan pendekatan latihan yang sangat tersusun :
Latihan Awal (Pre-training): Menggunakan kira-kira 34 trilion token data .
Perbendaharaan Kata (Vocabulary): 128,000 token — dua kali ganda daripada model sebelumnya untuk menyokong skrip bukan Latin dan input ejen yang pelbagai seperti skema alat dan laluan fail .
Tetingkap Konteks: 128,000 token (131,072), membolehkan model mengendalikan input panjang yang diperlukan oleh tugasan ejen .
Empat Peringkat Latihan Pasca (Post-training):
Pemurnian Supervised (SFT): Dua pusingan untuk meliputi domain luas dan kemudian memfokuskan pada tugas ejen.
Prestasi: Cepat dan Jimat Memori
Salah satu daya tarikan utama model ini adalah keupayaannya berjalan dalam kurang daripada 2.5 GB memori. Berikut adalah kelajuan yang dilaporkan oleh Liquid AI untuk pelbagai perkakasan:
Perkakasan
Kelajuan Decode
Apple M5 Max
220 token/s
AMD Ryzen AI Max+ 395
113 token/s
Telefon Pintar
~30 token/s
GPU Nvidia H100 (konkurensi tinggi)
~15,000 token/s
Sokongan Rangka Kerja Inferens
Model ini menyokong pelbagai rangka kerja popular, memudahkan pembangun untuk menggunakannya:
llama.cpp (format GGUF)
MLX (untuk Apple Silicon)
vLLM, SGLang, ONNX, dan Transformers standard .
Muat Turun dan Lesen
LFM2.5-2.6B boleh dimuat turun secara 'open-weight' di Hugging Face melalui pautan LiquidAI/LFM2.5-2.6B. Ia juga tersedia dalam format terkuantisasi GGUF, MLX, dan ONNX di repositori berasingan. Model ini dilesenkan di bawah lesen LFM1.0 .
Latar Belakang Syarikat: Spinoff MIT
Liquid AI ditubuhkan pada 2023 sebagai spinoff dari MIT CSAIL oleh Ramin Hasani (CEO), Mathias Lechner (CTO), Alexander Amini (CSO), dan Daniela Rus (profesor MIT dan pengarah CSAIL). Teknologi syarikat ini berkembang dari penyelidikan mengenai rangkaian neural cecair di MIT .
Kekurangan dan Batasan
Walaupun hebat dalam tugas ejen, model ini tidak digalakkan untuk tugasan pengekodan ejenik atau tugas yang memerlukan pengetahuan mendalam. Dalam penanda aras pengekodan, model yang lebih besar (seperti Qwen3.5-9B) masih menunjukkan prestasi lebih baik. Kad Hugging Face rasmi menasihatkan supaya tidak menggunakannya untuk beban kerja tersebut .
Kesimpulannya, LFM2.5-2.6B adalah langkah penting dalam membawa kuasa AI ejen terus ke peranti pengguna, menawarkan keseimbangan antara prestasi, saiz, dan privasi.
