Компактная ИИ-модель LFM2.5-2.6B позволит студентам запускать исследовательских агентов на своих устройствах
Liquid AI представила LFM2.5-2.6B — модель, которая выполняет агентские задачи на ноутбуках и телефонах. Разбираем, как это может помочь студентам и вузам, и что остаётся неподтверждённым.
Liquid AI выпустила компактную языковую модель LFM2.5-2.6B, предназначенную для запуска автономных ИИ-агентов на локальных устройствах — от ноутбуков до смартфонов. Модель появилась на Hugging Face 4 августа 2026 года. В отличие от многих крупных сервисов, она рассчитана на работу без постоянного облачного подключения, что открывает сценарии для учебной и исследовательской работы. Студент может запустить агента, который собирает источники, уточняет запросы и готовит краткий обзор, не отправляя черновик курсовой или персональные данные на внешние серверы.
Что это за модель и почему она важна для учёбы
LFM2.5-2.6B — модель с 2,6 млрд параметров. По данным Liquid AI, она предобучена примерно на 34 трлн токенов, а контекстное окно расширено до 128 тыс. токенов. Это позволяет агенту одновременно удерживать в памяти целую главу работы, несколько научных статей или техническое задание проекта.
Ключевая особенность — поддержка вызова инструментов и многошаговых сценариев. Агент не просто отвечает на текст, а может составить план, запросить внешние данные, проверить результат и подготовить выжимку. Для локального запуска с первого дня доступны llama.cpp, MLX, vLLM, SGLang и ONNX, поэтому модель можно использовать и на обычном процессоре, и на видеокарте.
| Параметр | Значение |
|---|---|
| Модель | LFM2.5-2.6B |
| Разработчик | Liquid AI |
| Число параметров | 2,6 млрд |
| Контекстное окно | до 128 тыс. токенов |
| Особенность | запуск ИИ-агентов на устройствах |
Как модель училась работать агентом
Liquid AI объясняет, что постобучение превращает базовую модель в агента в четыре этапа. Архитектура разделяет оптимизацию модели, генерацию действий и выполнение действий в окружении задачи. Такой подход позволяет агентам обучаться на реальных следах использования инструментов, а не только на текстовых примерах.
Действия выполняются в изолированной песочнице, а специальная обёртка записывает последовательность токенов для повторного обучения. Для пользователя это означает более стабильное поведение при решении задач, где нужны несколько шагов: поиск информации, сравнение вариантов, составление аннотации. Однако чем сложнее инструмент, тем выше требования к окружению, в котором агент запущен.
Скорость и результаты на бенчмарках
Внутренние тесты Liquid AI сравнивают LFM2.5-2.6B с моделями в несколько раз больше. По утверждению разработчиков, модель лидирует среди сравниваемых на бенчмарках следования инструкциям и использования инструментов, остаётся на уровне более крупных Qwen в агентских задачах и обходит Gemma. По математике она близка к конкурентам, а по
Связанные рубрики и темы
Если тема нужна для работы или подготовки, начните с ближайших разделов и инструментов.
