Un agent local de 2,6 milliards de paramètres avec LFM2.5

LFM2.5-2.6B exécute des agents localement sur téléphone ou ordinateur, avec 128K de contexte, appels d’outils et open weights.

LFM2.5-2.6B est un modèle open weights conçu pour exécuter des agents directement sur un téléphone, un ordinateur ou un robot. Il peut planifier une tâche, appeler des outils et enchaîner plusieurs étapes sans transmettre les données à un service cloud.

Le modèle compte 2,6 milliards de paramètres et a été préentraîné sur environ 34 000 milliards de tokens. Son contexte atteint 128K, avec un vocabulaire de même taille destiné notamment à mieux couvrir les systèmes d’écriture non latins.

Le post-entraînement combine fine-tuning supervisé, spécialisation de plusieurs modèles experts, distillation et apprentissage par renforcement dans des environnements agentiques. Les dernières étapes ont été menées avec des outils comme Pi, Hermes Agent et OpenClaw, au sein de sandboxes capables de vérifier le résultat obtenu et le respect des règles de sécurité.

Selon Liquid AI, LFM2.5-2.6B obtient 77,83 sur ToolSandbox, contre 76,44 pour Qwen3.5-9B. Il atteint également 80,07 sur Multi-IF et 85,49 sur IFStruct. L’entreprise reconnaît toutefois que les modèles plus volumineux conservent un avantage sur les tâches de programmation ou les workflows agentiques les plus complexes.

Le modèle prend en charge llama.cpp, MLX, vLLM, SGLang et ONNX, avec des intégrations pour les puces Apple, AMD, Qualcomm, NVIDIA et Intel. Lors de ses propres tests, Liquid AI mesure 220 tokens par seconde sur un M5 Max, 113 sur un Ryzen AI Max+ 395 et environ 30 sur un téléphone, pour une empreinte mémoire inférieure à 2,5 Go.

LFM2.5-2.6B et sa version Base sont accessibles sur Hugging Face sous la licence open-weight LFM2. Le modèle peut également être placé derrière une interface compatible avec l’API d’OpenAI afin de le connecter à différents environnements agentiques.