Liquid AI, LFM2.5-2.6B'yi Yayınladı: 128K Bağlam, Araç Çağırma ve Açık Ağırlıklarla Cihaz Üzerinde Çalışan Ajan Modeli

Liquid AI, tamamen cihaz üzerinde çalışan, planlama yapabilen, araçları çağırabilen ve telefonlar, dizüstü bilgisayarlar, PC'ler ve robotlar üzerinde çok adımlı görevleri yönetebilen bir ajan modeli olan LFM2.5-2.6B'yi yayınladı. Model, toplam 2,69 milyar parametreye, 131.072 tokenlik bir bağlam penceresine ve 128.000 tokenlik bir kelime dağarcığına sahiptir ve yaklaşık 34 trilyon token üzerinde ön eğitim almıştır. İki kontrol noktası yayınlandı: ince ayar için LFM2.5-2.6B-Base ve ajan iş yükleri için sonradan eğitilmiş LFM2.5-2.6B. Çıkarım yerel kaldığı için veriler cihazdan asla ayrılmaz ve çalışma başına marjinal maliyet neredeyse sıfırdır. Model, neredeyse dört katı büyüklüğündeki modellerle rekabet eden araç kullanımı ve talimat takibi puanları bildirmektedir. Her iki kontrol noktası da Hugging Face'te lfm1.0 lisansı altında, yerel, GGUF, MLX ve ONNX formatlarında ağırlıklarla ve llama.cpp, vLLM, SGLang ve LM Studio'da ilk gün desteğiyle kamuya açıktır. Mimari, 30 katmana (22 çift kapılı kısa evrişim bloğu artı 8 gruplu sorgu dikkat bloğu) ve 128.000 boyutunda bir kelime dağarcığına sahiptir. Eğitim, denetimli ince ayar, pekiştirmeli öğrenme ile öğretmen uzmanlaşması, çok alanlı çevrimiçi damıtma ve GRPO ile ajan pekiştirmeli öğrenme dahil olmak üzere dört aşamalı bir sonradan eğitim sürecini içeriyordu. Kıyaslamalar, modelin bildirilen tüm talimat takibi kıyaslamalarında ve neredeyse tüm araç kullanımı kıyaslamalarında lider olduğunu ve yalnızca BFCLv4 ve kodlama görevlerinde Qwen3.5-9B gibi daha büyük modellerin gerisinde kaldığını göstermektedir. Model, ajan iş yükleri, araç kullanımı, veri çıkarma, RAG ve uzun bağlam iş akışları için önerilir, ancak ajan kodlama veya bilgi yoğun görevler için önerilmez.