A Liquid AI telefonon futó, 2,6 milliárd paraméteres ügynökmodellt adott ki

Helyben futó modell ügynöki feladatokra

A Liquid AI 2026. augusztus 4-én mutatta be az LFM2.5-2.6B-t. A 2,6 milliárd paraméteres modell olyan ügynöki munkafolyamatokra készült, amelyekben a rendszer megtervezi a feladatot, eszközöket hív meg, és több lépésen keresztül dolgozik.

A vállalat szerint a modell elég kicsi ahhoz, hogy telefonon fusson, és elég gyors ahhoz, hogy CPU-n is reszponzív maradjon. A helyi futtatás csökkenti a késleltetést, nem jár tokenenkénti felhőköltséggel, és az adatokat a felhasználó eszközén tarthatja. A Liquid AI szerint ez lehetővé teszi olyan háttérfeladatok párhuzamos futtatását is, amelyek nagy mennyiségű tokent dolgoznak fel.

Az alapmodell, az LFM2.5-2.6B-Base, valamint az utóhangolt LFM2.5-2.6B már elérhető a Hugging Face-en. A Liquid AI dokumentációt is közzétett a helyi futtatáshoz és finomhangoláshoz.

Hosszú bemenetekre és eszközhasználatra tanították

A modellt körülbelül 34 billió tokenen előtanították. A nem latin ábécéket használó nyelvek támogatásához a szókészletet 128 ezer elemre bővítették. A fejlesztők egy külön, 128 ezres kontextusbővítési szakaszt is alkalmaztak, hogy a modell kezelje az ügynöki feladatok hosszú bemeneteit.

Az utótréning négy fő szakaszból állt: felügyelt finomhangolásból, tanári modellek specializálásából, több területre kiterjedő, saját működésen alapuló lepárlásból, valamint ügynöki megerősítéses tanulásból. A tanári modelleket utasításkövetésre, matematikára, tudásra és hallucinációk visszaszorítására, kódolásra, eszközhasználatra és hosszú kontextusok kezelésére optimalizálták.

A végső tanítás során a modell valós ügynöki környezetekben dolgozott. Produktivitási feladatokban kutatást, írást, kódolást, adatelemzést, dokumentumkezelést, külső eszközök használatát és többlépéses munkafolyamatokat gyakorolt. A Liquid AI szerint a tanításban a Hermes Agent és az OpenClaw környezetét is használták.

A vállalat mérései szerint gyors és versenyképes

A Liquid AI több, STEM-, utasításkövetési, eszközhasználati és ügynöki képességeket mérő teszten hasonlította össze az LFM2.5-2.6B-t nagyobb modellekkel. A vállalat közlése szerint a legkisebb modellként is versenyképes volt a közel négyszer nagyobb rendszerekkel, és több feladaton felülmúlta őket.

Az LFM2.5-2.6B az összehasonlításban minden utasításkövetési teszten vezetett, az eszközhasználati mérések többségén pedig szintén az élen végzett. Az ügynöki feladatokon mindkét Gemma-modellt megelőzte, a Qwen-modellekkel pedig szorosan versenyzett. Kódolásban a nagyobb modellek jobban teljesítettek.

A modell támogatja többek között a llama.cpp, az MLX, a vLLM, az SGLang és az ONNX használatát. A Liquid AI mérései szerint M5 Max processzoron másodpercenként 220, Ryzen AI Max+ 395 processzoron pedig 113 tokent dekódolt, miközben a memóriahasználat 2,5 GB alatt maradt. A vállalat telefonon 30 token/másodperces sebességet is mért.

Helyi ügynökök telefonon és peremhálózati eszközökön

A Liquid AI bemutatója szerint a modell a Liquid Agent környezetében telefonon is képes terveket készíteni, eszközöket hívni és valódi feladatokat végrehajtani felhőalapú API-k nélkül. A beállításhoz a modellt OpenAI-kompatibilis végponton kell futtatni, majd az ügynöki környezetet ehhez kell csatlakoztatni.

A modell együttműködik a Hermes Agent, az OpenClaw és a Pi környezetekkel. A vállalat az LFM2.5-2.6B-t elsősorban nagy mennyiségű, peremhálózati eszközökön futó ügynöki feladatokra ajánlja, különösen akkor, ha a sebesség, a helyi telepítés és az adatvédelem fontos. Összetettebb ügynöki vagy kódolási munkákhoz a Liquid AI szerint továbbra is megfelelőbbek lehetnek a nagyobb modellek.