Nauja atviro svorio „Liquid AI“ modelio versija leidžia vykdyti agentinį samprotavimą lokaliai, naudojant tik 2B aktyvių parametrų
Trumpai: „Liquid AI“ paskelbė LFM2.5-24B-A2B – mišrių ekspertų (MoE) modelį su 24B bendrų parametrų, bet tik 2B aktyvių vienam tokenui, skirtą samprotaujantiems agentams vykdyti lokalioje įrangoje. Naujoje versijoje konteksto langas išplėstas iki 131K tokenų, žodynas padvigubintas, o pradinis mokymas atliktas naudojant maždaug dvigubai daugiau duomenų nei ankstesnėje versijoje. Agentinio ir įrankių naudojimo testų rezultatais modelis prilygsta arba lenkia modelius, turinčius apie 50 % daugiau parametrų, kartu pasiekdamas greitą veikimą tiek vartotojiškoje, tiek duomenų centro įrangoje.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Hugging Face“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Konteksto langas padidintas nuo 32K iki 131K tokenų
- 2Žodyno dydis padvigubintas nuo 65K iki 128K tokenų, pagerinant teksto skaidymą ne lotyniškiems raštams
- 3Pradinio mokymo duomenys padidinti nuo ~17T iki ~33T tokenų, pridėjus tarpinį mokymą samprotavimo, matematikos, kodo ir daugiakalbio teksto srityse
- 4Modelis dabar prieš atsakydamas sukuria aiškų samprotavimo grandinės (chain-of-thought) procesą, kurio ankstesnė versija neturėjo
- 5Po mokymo taikomi penki etapai, įskaitant prižiūrimą tikslinimą, mokytojo destiliavimą ir mokymą atlyginimu realiose agentų aplinkose
- 6Palaikomas iš karto naudojant llama.cpp, MLX, vLLM, SGLang ir ONNX
- 7Tiek bazinė, tiek instrukcijoms pritaikyta modelio versija paskelbtos atvirai „Hugging Face“ platformoje
| Parametras | Buvo | Dabar |
|---|---|---|
| Konteksto langas | 32K tokenų | 131K tokenų |
| Žodyno dydis | 65K tokenų | 128K tokenų |
| Pradinio mokymo tokenai | ~17T tokenų | ~33T tokenų |
| Samprotavimas | Ne tik samprotavimo modelis | Tik samprotavimo modelis su aiškia grandine |
| Aktyvūs parametrai | 2B (ankstesnė LFM2-24B-A2B versija) | 2B (nepakitę) |
| Įrankių iškvietimas | Nenurodyta | Palaikoma, treniruota agentų aplinkose (OpenClaw, Hermes Agent, Pi, OpenCode) |
| Greitis (Apple M5 Max) | Nenurodyta | 184 tok/s |
| Greitis (NVIDIA B300) | Nenurodyta | Iki 21K išvesties tok/s |
Kodėl tai svarbu?
Komandoms, kuriančioms įrankius iškviečiančius agentus, modelis, galintis veikti lokalioje įrangoje su mažomis aktyvaus parametro sąnaudomis, bet konkuruojantis su daug didesniais modeliais agentiniuose testuose (pvz., LiveClaw ir AutomationBench), reiškia pigesnę, privatesnę ir nuolat veikiančią automatizaciją be būtinybės kiekvienam samprotavimo žingsniui naudoti debesijos API.
Ką tai reiškia AI agentams ir kontaktų centrams?
Balso AI ir kontaktų centrų automatizavimo komandoms stiprūs įrankių naudojimo ir instrukcijų vykdymo rezultatai kartu su mažomis išvadų sąnaudomis daro šį modelį verta testuoti kaip lokalų sprendimą agentų aplinkoms, kurioms reikia kviesti funkcijas, vykdyti kelių žingsnių darbo eigas arba veikti be duomenų siuntimo į išorines API; taip pat svarbus patobulintas daugiakalbis žodyno skaidymas kitoms, ne anglų kalboms.
🧪 Verta testuoti
Stiprūs įrankių naudojimo testų rezultatai, 131K tokenų konteksto langas ir greitas lokalus veikimas (184 tok/s su vartotojišku „Apple“ lustu) daro šį modelį praktiška lyginti su debesijos agentų modeliais pagal kainą, delsą ir privatumą automatizacijos procesuose.
Šaltiniai
- Hugging FaceOficialusPirminis šaltinisOriginalus straipsnis →„Run fast, private agents on-device with LFM2.5-24B-A2B“2026-10-13 20:05
- Šaltinio publikavimo data
- 2026-10-13 20:05
- Mūsų sistema rado
- 2026-10-13 20:11
- Santrauka sugeneruota
- 2026-10-13 20:13
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas