LiquidAI veröffentlicht LFM2.5-8B-A1B: Hybrid-Modell für On-Device-Einsatz
LFM2.5-8B-A1B ist Teil der neuen LFM2.5-Modellfamilie von LiquidAI und baut auf der LFM2-Architektur auf. Das Modell kombiniert erweitertes Pre-Training mit Reinforcement Learning und ist als Hybrid-Architektur konzipiert. Der Namenszusatz „A1B" steht für lediglich 1 Milliarde aktive Parameter bei einer Gesamtgröße von 8B – ein MoE-ähnlicher Ansatz für minimalen Rechenaufwand zur Inferenzzeit. LiquidAI bewirbt das Modell als schnellstes seiner Größenklasse auf CPU und GPU. Ab Tag eins werden llama.cpp, MLX, vLLM und SGLang unterstützt; ein GGUF-Release ist auf Hugging Face verfügbar. Laut Hersteller ist das Modell für Agentic Tasks, Tool-Chaining und komplexe Instruktionsfolgen auf allen Geräteklassen ausgelegt – also auch auf Low-End-Hardware ohne dedizierte GPU.
- Architektur: Hybrid-Modell basierend auf LFM2, trainiert mit erweitertem Pre-Training + RL
- Nur 1B aktive Parameter bei 8B Gesamtparametern – sehr niedrige Inferenzlast
- Day-one-Support für llama.cpp, MLX, vLLM und SGLang
- GGUF-Version auf Hugging Face unter LiquidAI/LFM2.5-8B-A1B-GGUF verfügbar
- Zielszenarien: On-Device-Assistent, Tool-Call-Chaining, komplexe Instruktionen auf allen Geräten
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHreddit.com3w
Liquid AI veröffentlicht LFM 2.5 QAD mit 2,6B Parametern
- LAUNCHreddit.com3w
SyzygyResearch Mach-1-Additive-35B: 35B MoE-Modell in 7 GB für Mobile & Edge
- LAUNCHreddit.com6d
nex-agi veröffentlicht Nex-N2.5-mini mit 35B Parametern
- LAUNCHreddit.com3w
Meta veröffentlicht MobileMoE: MoE-Sprachmodelle unter 3 GB für mobile Geräte
LiquidAI veröffentlicht LFM2.5-8B-A1B: Hybrid-Modell für On-Device-Einsatz
LFM2.5-8B-A1B ist Teil der neuen LFM2.5-Modellfamilie von LiquidAI und baut auf der LFM2-Architektur auf. Das Modell kombiniert erweitertes Pre-Training mit Reinforcement Learning und ist als Hybrid-Architektur konzipiert. Der Namenszusatz „A1B" steht für lediglich 1 Milliarde aktive Parameter bei einer Gesamtgröße von 8B – ein MoE-ähnlicher Ansatz für minimalen Rechenaufwand zur Inferenzzeit. LiquidAI bewirbt das Modell als schnellstes seiner Größenklasse auf CPU und GPU. Ab Tag eins werden llama.cpp, MLX, vLLM und SGLang unterstützt; ein GGUF-Release ist auf Hugging Face verfügbar. Laut Hersteller ist das Modell für Agentic Tasks, Tool-Chaining und komplexe Instruktionsfolgen auf allen Geräteklassen ausgelegt – also auch auf Low-End-Hardware ohne dedizierte GPU.
- Architektur: Hybrid-Modell basierend auf LFM2, trainiert mit erweitertem Pre-Training + RL
- Nur 1B aktive Parameter bei 8B Gesamtparametern – sehr niedrige Inferenzlast
- Day-one-Support für llama.cpp, MLX, vLLM und SGLang
- GGUF-Version auf Hugging Face unter LiquidAI/LFM2.5-8B-A1B-GGUF verfügbar
- Zielszenarien: On-Device-Assistent, Tool-Call-Chaining, komplexe Instruktionen auf allen Geräten
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHreddit.com3w
Liquid AI veröffentlicht LFM 2.5 QAD mit 2,6B Parametern
- LAUNCHreddit.com3w
SyzygyResearch Mach-1-Additive-35B: 35B MoE-Modell in 7 GB für Mobile & Edge
- LAUNCHreddit.com6d
nex-agi veröffentlicht Nex-N2.5-mini mit 35B Parametern
- LAUNCHreddit.com3w
Meta veröffentlicht MobileMoE: MoE-Sprachmodelle unter 3 GB für mobile Geräte