LFM2.5-1.2B-Thinking
קוד פתוחLiquidAIother2026-01-20
מודל שקילה קטן במיוחד שרץ ישירות על מעבדי מכשירים וצורך פחות מגיגה זיכרון. הוא מתאים למי שרוצה חילוץ מידע, סוכנים או חיפוש מקומי בלי לשלם על שרתי ענן.
- 1.2Bפרמטרים
- 128,000טוקנים בהקשר
- 2.2 GBמשקל הקבצים
- 9,858הורדות בחודש
מה זה
מדובר במודל טקסט של 1.17 מיליארד פרמטרים שמבוסס על ארכיטקטורה היברידית של עשרה בלוקי קונבולוציה ושישה בלוקי תשומת לב מסוג GQA. החברה אימנה אותו על 28 טריליון טוקנים עם שלבי למידת חיזוק נרחבים כדי להביא יכולות חשיבה וניתוח למכשירים מקומיים, תוך שימוש בחלון הקשר של עד 32,768 טוקנים בפועל לפי הכרטיס.
במבחני ביצועים מול דגמים מקבילים באזור הגודל שלו הוא מציג יתרון בולט בדיוק משימות והבנת הנחיות. במבחן IFEval הוא מגיע ל־88.42 לעומת 71.65 של Qwen3-1.7B במצב חשיבה, ובמבחן MATH-500 הוא משיג 87.96 לעומת 81.92. הוא עוקף בקלות דגמים כמו Llama 3.2 1B שקיבל 23.40 באותו מבחן מתמטי, ועושה את זה עם פחות טוקנים של פלט בדרך לתשובה.
מתאים ל
- סוכנים מקומיים וקריאת פונקציות
הוא מציג תוצאה של 56.97 במבחן BFCLv3 ותומך בהוצאת קריאות פונקציה במבנה פייתון או JSON.
- חילוץ מידע והרצת RAG מקומית
צריכת הזיכרון הנמוכה ויכולת המעקב אחרי הנחיות מאפשרות לסכם מסמכים ולשלוף נתונים ישירות במכשיר.
- עיבוד טקסט במכשירי קצה ורכב
שומר על קצב של מעל 45 טוקנים לשנייה בהקשר מלא של 32K על גבי שבבי NPU צנועים.
איפה זה נופל
היוצרים עצמם מבהירים שהמודל לא מתאים למשימות עתירות ידע ולכתיבת קוד תכנות. בנוסף, רשימת השפות הנתמכות כוללת אנגלית, ערבית, סינית, צרפתית, גרמנית, יפנית, קוריאנית וספרדית בלבד. עברית לא מופיעה שם, ולכן פלט בעברית צפוי להישבר או להציג שגיאות דקדוק קשות. תאריך הידע שלו נעצר באמצע 2024, והביצועים שלו במבחני קוד מורכבים כלל לא נמדדו בהשוואות.
אותה משפחה
LFM2.5 יצא ב־15 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן, והשאר בעמוד המפרסם.
שאלות
נפוצות
האם אפשר להשתמש בו לאפליקציה שפונה לקהל ישראלי?
המודל לא אומן רשמית על עברית ולא כולל אותה ברשימת השפות. הוא עלול לפלוט עברית משובשת או להחזיר תשובות באנגלית. אם המוצר שלכם חייב עברית טבעית, תצטרכו לאמן אותו מחדש או לבחור מודל אחר.
האם הוא מסוגל להחליף מודלים גדולים במשימות פיתוח תוכנה?
לא. היצרן מציין מפורשות שהדגם אינו מומלץ לכתיבת תוכנה ולמשימות תכנות. ארכיטקטורת החשיבה שלו משפרת פתרון בעיות לוגיות ומתמטיות, אך לא ידע מעמיק בקוד.
איך מריצים
במשקל של 2.2 גיגה בקבצים המקוריים, הוא תופס פחות מגיגה זיכרון בגרסת קוונטיזציה של Q4_0 דרך llama.cpp. מעבד מחשב נייד מודרני מריץ אותו בקצב של 116 טוקנים לשנייה, ועל חומרת NPU ייעודית של טלפונים הוא מוציא 82 טוקנים לשנייה. יש תמיכה ישירה ב־vLLM, בפורמט MLX למחשבי אפל, וגם ב־ONNX.
אם אתם צריכים לפרוס שירות פנימי פשוט, הרצה מקומית על מעבד רגיל תהיה זולה ומהירה מאוד. מנגד, אם העומס כולל ניהול שיחות מורכבות בעברית או שליפת ידע כללי עמוק, שום חומרה מקומית לא תפצה על מגבלות הגודל ועדיף לפנות למודל גדול יותר דרך ספק ענן.
from transformers import pipeline
pipe = pipeline("text-generation", model="LiquidAI/LFM2.5-1.2B-Thinking")
print(pipe("שלום"))הקבצים
10 קבצים במאגר, 2.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הרישיון מוגדר כ־other ואינו רישיון קוד פתוח סטנדרטי דוגמת Apache או MIT. המשמעות היא שחובה להיכנס לתנאי השימוש הספציפיים שהחברה פרסמה באתר שלה כדי לבדוק הגבלות הפצה, שימוש מסחרי והטמעה במוצר סגור לפני שמשלבים אותו במערכת.