Liquid AI 正式发布 26 亿参数的端侧智能体模型 LFM2.5-2.6B，支持在手机、PC 及机器人等设备上完全本地运行并执行多步任务调用。该模型基于约 34T tokens 预训练，具备 128K 上下文长度，在工具调用等基准测试中表现优于部分 9B 级别模型。这为端侧低成本、高隐私的 AI 应用提供了新的轻量化开源选择。
Liquid AI 刚刚发布了参数量仅为 2.6B 的 LFM2.5 模型，开发者已利用该模型成功构建了完全在浏览器内运行的研究代理。该代理能够自主制定计划、进行推理、调用工具并循环执行直至任务完成，且全部在设备端运行。这一实测案例展示了紧凑型模型在设备端实现高效、低延迟代理工作流的潜力，为端侧 AI 应用的开发提供了有价值的参考。
该 AI 智能体能够提出澄清问题、获取本地上下文，并将研究任务委托给独立的维基百科子智能体以收集信息来源。在完成研究计划后，它可将收集到的证据综合成带有引用的答案，并生成一份可下载的研究论文。这展示了当前 AI 在自动化研究和内容生成方面的应用潜力。
仅 2.6B 参数的小型模型在设备端展现出极高的运行速度，同时具备规划、推理、工具调用及完成多步目标的能力。这表明小模型已超越单纯的文本补全功能，具备成为边缘端智能代理的潜力，为端侧 AI 应用提供了新的可能性。
Liquid AI 刚刚发布了参数量为 2.6B 的紧凑型模型 LFM2.5-2.6B。开发者基于该模型成功构建了一个完全在浏览器内运行的研究代理，该代理能够自主创建计划、进行推理、调用工具并循环执行任务直至完成。这一实测案例直观展示了该模型在设备端快速运行及具备代理能力的特点，为轻量级、本地化 AI 应用的开发提供了有价值的参考。
Liquid AI 正式发布完全在设备端运行的代理模型 LFM2.5-2.6B，预训练数据量约 34T。该模型支持在手机、PC 及机器人等设备上执行规划与工具调用等多步任务，且数据无需云端处理，运行边际成本接近于零。业内实测显示，其在 DGX Spark 基础配置下即可并行运行 32 个会话并保持高吞吐量。这一发布为端侧 AI 代理应用提供了低成本、高隐私保护的新选择，展现了小参数模型在本地设备上的应用潜力。
Liquid AI 宣布推出完全在设备端运行的代理模型 LFM2.5-2.6B，支持 128K 上下文并具备规划与多步任务处理能力。该模型采用混合架构，在 ToolSandbox 等基准测试中得分优于部分更大参数量的竞品。这为手机、PC 及机器人等边缘设备提供了低成本且保护隐私的轻量级 AI 解决方案，进一步丰富了端侧模型的应用生态。
Liquid AI 正式发布 26 亿参数的端侧智能体模型 LFM2.5-2.6B，支持在手机、PC 及机器人等设备上完全本地运行并执行多步任务调用。该模型基于约 34T tokens 预训练，具备 128K 上下文长度，在工具调用等基准测试中表现优于部分 9B 级别模型。这为端侧低成本、高隐私的 AI 应用提供了新的轻量化开源选择。
Liquid AI 正式发布完全在设备端运行的代理模型 LFM2.5-2.6B，该模型预训练数据量约 34T tokens，支持规划、工具调用及多步任务处理。该模型适配 8GB 内存的本地硬件，可在手机、PC 及机器人等设备上实现数据不出端的零边际成本运行，为边缘计算和本地 AI 代理应用提供了新的轻量化选择。