Liquid AI Merilis LFM2.5-2.6B: Model Agen Perangkat dengan Konteks 128K, Pemanggilan Alat, dan Bobot Terbuka

Liquid AI merilis LFM2.5-2.6B, sebuah model agentik yang berjalan sepenuhnya di perangkat, merencanakan, menggunakan alat, dan menangani tugas multi-langkah di ponsel, laptop, PC, dan robot. Model ini memiliki total 2,69 miliar parameter, jendela konteks 131.072 token, dan kosakata 128.000 token, dilatih sebelumnya pada sekitar 34 triliun token. Dua checkpoint dirilis: LFM2.5-2.6B-Base untuk penyetelan halus dan LFM2.5-2.6B yang dilatih pasca untuk beban kerja agentik. Karena inferensi tetap lokal, data tidak pernah meninggalkan perangkat dan biaya marjinal per proses hampir nol. Model ini melaporkan skor penggunaan alat dan pengikutan instruksi yang kompetitif dengan model yang hampir empat kali ukurannya. Kedua checkpoint tersedia untuk publik di Hugging Face di bawah lisensi lfm1.0, dengan bobot dalam format asli, GGUF, MLX, dan ONNX, serta dukungan hari pertama di llama.cpp, vLLM, SGLang, dan LM Studio. Arsitekturnya memiliki 30 lapisan (22 blok konvolusi pendek dengan gerbang ganda plus 8 blok perhatian kueri berkelompok) dan ukuran kosakata 128.000. Pelatihan melibatkan proses pasca-pelatihan empat tahap termasuk penyetelan halus terawasi, spesialisasi guru dengan pembelajaran penguatan, distilasi kebijakan multi-domain, dan pembelajaran penguatan agentik dengan GRPO. Tolok ukur menunjukkan model ini memimpin dalam semua tolok ukur pengikutan instruksi yang dilaporkan dan hampir semua tolok ukur penggunaan alat, hanya tertinggal dari model yang lebih besar seperti Qwen3.5-9B pada BFCLv4 dan tugas pengkodean. Model ini direkomendasikan untuk beban kerja agentik, penggunaan alat, ekstraksi data, RAG, dan alur kerja konteks panjang, tetapi tidak untuk pengkodean agentik atau tugas yang berat akan pengetahuan.