Liquid AI Lança LFM2.5-2.6B: Um Modelo Agêntico On-Device com Contexto de 128K, Chamada de Ferramentas e Pesos Abertos

A Liquid AI lançou o LFM2.5-2.6B, um modelo agêntico que roda inteiramente no dispositivo, planejando, chamando ferramentas e lidando com tarefas de múltiplas etapas em celulares, laptops, PCs e robôs. O modelo tem 2,69 bilhões de parâmetros totais, uma janela de contexto de 131.072 tokens e um vocabulário de 128.000 tokens, pré-treinado em aproximadamente 34 trilhões de tokens. Dois checkpoints foram disponibilizados: o LFM2.5-2.6B-Base para fine-tuning e o LFM2.5-2.6B pós-treinado para cargas de trabalho agênticas. Como a inferência permanece local, os dados nunca saem do dispositivo e o custo marginal por execução é quase zero. O modelo reporta pontuações de uso de ferramentas e seguimento de instruções competitivas com modelos quase quatro vezes maiores. Ambos os checkpoints são públicos no Hugging Face sob a licença lfm1.0, com pesos nos formatos nativo, GGUF, MLX e ONNX, e suporte desde o primeiro dia em llama.cpp, vLLM, SGLang e LM Studio. A arquitetura apresenta 30 camadas (22 blocos de convolução curta com dupla porta mais 8 blocos de atenção por grupo de consultas) e um tamanho de vocabulário de 128.000. O treinamento envolveu um processo de pós-treinamento em quatro etapas, incluindo fine-tuning supervisionado, especialização de professor com aprendizado por reforço, destilação on-policy multi-domínio e aprendizado por reforço agêntico com GRPO. Os benchmarks mostram que o modelo lidera em todos os benchmarks de seguimento de instruções reportados e em quase todos os benchmarks de uso de ferramentas, ficando atrás de modelos maiores como o Qwen3.5-9B apenas no BFCLv4 e em tarefas de codificação. O modelo é recomendado para cargas de trabalho agênticas, uso de ferramentas, extração de dados, RAG e fluxos de trabalho de contexto longo, mas não para codificação agêntica ou tarefas com alto conhecimento.