LFM2-1.2B
קוד פתוחLiquidAIother2025-07-10
מודל קומפקטי שמכוון לריצה מהירה על מעבדים מקומיים. הוא בנוי למשימות מוגדרות וקריאות לפונקציות במכשירים חלשים, בלי תלות בשרת חיצוני.
- 1.2Bפרמטרים
- 128,000טוקנים בהקשר
- 2.2 GBמשקל הקבצים
- 68,217הורדות בחודש
מה זה
הארכיטקטורה כאן אינה רשת טרנספורמר רגילה בלבד, אלא שילוב היברידי שכולל עשר שכבות של קונבולוציה קצרת טווח עם שערים כפולים ורק שש שכבות תשומת לב מסוג GQA. המבנה הזה תוכנן במיוחד לעבודה יעילה על מעבדי CPU, NPU ומכשירים ניידים, ומציג מהירות פענוח כפולה על מעבד בהשוואה ל־Qwen3 לפי נתוני החברה.
במדדי ביצועים בגודל הזה, המודל עוקף מתחרים ישירים כמו Llama-3.2-1B ו־gemma-3-1b במעקב אחר הוראות (IFEval של 74.89) ובשאלות מדעיות (GPQA של 31.47). במתמטיקה רב־לשונית הוא מגיע ל־55.04 ב־MGSM, תוצאה גבוהה לקטגוריה הזו, אם כי מודלים ששוקלים מעט יותר עדיין מנצחים אותו בידע כללי ורב־לשוני רחב.
מתאים ל
- הפעלת פונקציות מקומית
הוא כולל תמיכה מובנית בטוקנים של Tool use וקריאה לפונקציות פייתון ישירות על מעבד מקומי.
- חילוץ מידע ומיצויו
מתאים לעיבוד טקסטים קצרים ומובנים בתוך יישומי קצה ומערכות RAG ייעודיות ללא חיבור רשת.
- שיחה פשוטה במכשיר קצה
רץ מהר על חומרת מובייל ומאפשר ניהול שיחות בסיסיות מרובות תורות בשפות הנתמכות.
איפה זה נופל
היוצרים מציינים במפורש שהמודל לא מתאים למשימות עתירות ידע או לכתיבת קוד ותכנות, תחום שבו הוא אומן על 5% בלבד של נתוני קוד. עברית אינה מופיעה ברשימת השפות הנתמכות, שכוללת שמונה שפות בלבד כמו אנגלית, ערבית, צרפתית וספרדית, ולכן פלט בעברית צפוי להיות משובש לחלוטין. בנוסף, בטבלה בכרטיס המודל מצוין חלון הקשר של 32,768 טוקנים, בניגוד לנתון המטא של 128,000, מה שמחייב בדיקה בפועל לפני שמזינים טקסטים ארוכים.
אותה משפחה
LFM2 יצא ב־12 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן, והשאר בעמוד המפרסם.
שאלות
נפוצות
האם המודל תומך בעברית?
לא. רשימת השפות הנתמכות כוללת אנגלית, ערבית, סינית, צרפתית, גרמנית, יפנית, קוריאנית וספרדית. שימוש בעברית לא נבדק ולא נתמך, וכנראה יניב תוצאות לא תקינות.
האם אפשר להשתמש בו ישירות לכתיבת קוד?
לא מומלץ בכלל. רק כ־5% מנתוני האימון שלו היו קוד, והיוצרים מזהירים במפורש לא להשתמש בו למשימות תכנות.
איך הכי מומלץ להפיק ממנו ביצועים טובים?
החברה ממליצה לבצע Fine-tuning ממוקד לפי הצרכים המדויקים שלכם. בגלל גודלו הקטן, כיוונון עדין על משימה מוגדרת הוא הדרך היחידה להגיע לאמינות גבוהה.
איך מריצים
המשקל הכולל עומד על 2.2 ג'יגה בייט בפורמט bfloat16, כך שאפשר לטעון אותו בקלות לתוך זיכרון של כמעט כל מחשב נייד או טלפון מודרני. להרצה מהירה אפשר להשתמש ב־vLLM מגרסה 0.10.2 ומעלה, ב־transformers החל מגרסה 4.55, או להוריד את גרסת ה־GGUF הייעודית ולהריץ אותה ישירות דרך llama.cpp או ExecuTorch על גבי ה־CPU.
היוצרים הוציאו ארבע גרסאות בסדרה הזו, מ־350 מיליון ועד 2.6 מיליארד פרמטרים. גרסת ה־1.2B מהווה נקודת אמצע סבירה בין משקל קל ליכולת הבנה, אבל אם אתם צריכים תשובות עמוקות לשאלות ידע מורכבות, עדיף לפנות ל־API של מודל ענן גדול במקום להתעקש על הרצה מקומית.
from transformers import pipeline
pipe = pipeline("text-generation", model="LiquidAI/LFM2-1.2B")
print(pipe("שלום"))הקבצים
10 קבצים במאגר, 2.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
המודל מופץ תחת רישיון ייעודי בשם LFM Open License v1.0, שמסווג במערכת כרישיון מסוג other. לא מדובר ברישיון קוד פתוח סטנדרטי כמו MIT או Apache 2.0, ולכן לפני הטמעה במוצר מסחרי חובה לקרוא את נוסח הרישיון המלא של Liquid AI כדי להבין את המגבלות על הפצה ושימוש מסחרי.