Liquid AI、エッジデバイス向けエージェントモデル「LFM2.5-2.6B」を公開

Liquid AIは、完全にオンデバイスで動作するエージェント型モデルLFM2.5-2.6Bをリリースしました。このモデルは、プランニング、ツール呼び出し、マルチステップタスクを、スマートフォン、ラップトップ、PC、ロボット上で処理できます。モデルの総パラメータ数は26.9億、コンテキストウィンドウは131,072トークン、ボキャブラリサイズは128,000トークンで、約34兆トークンで事前学習されています。2つのチェックポイントが公開されました。ファインチューニング用のLFM2.5-2.6B-Baseと、エージェント型ワークロード用のポストトレーニング済みLFM2.5-2.6Bです。推論はローカルで完結するため、データがデバイスから出ることはなく、実行ごとの限界コストはほぼゼロです。このモデルは、ツール使用と指示追従のスコアが、ほぼ4倍の規模のモデルに匹敵すると報告されています。両チェックポイントは、Hugging Face上でlfm1.0ライセンスの下で公開されており、ネイティブ、GGUF、MLX、ONNX形式のウェイトが提供され、llama.cpp、vLLM、SGLang、LM Studioで初日からサポートされています。アーキテクチャは30層（22個の二重ゲート短畳み込みブロックと8個のグループ化クエリ注意ブロック）で構成され、ボキャブラリサイズは128,000です。トレーニングには、教師ありファインチューニング、強化学習を用いた教師特化、マルチドメインのオンポリシー蒸留、GRPOを用いたエージェント型強化学習を含む4段階のポストトレーニングプロセスが含まれます。ベンチマークでは、報告されたすべての指示追従ベンチマークとほぼすべてのツール使用ベンチマークでこのモデルがリードし、BFCLv4とコーディングタスクでのみQwen3.5-9Bのようなより大きなモデルに遅れを取ります。このモデルは、エージェント型ワークロード、ツール使用、データ抽出、RAG、長文コンテキストのワークフローに推奨されますが、エージェント型コーディングや知識集約型タスクには推奨されません。