Liquid AI、小型エージェントモデルLFM2.5-2.6B公開 4倍規模に匹敵

小型ながら高精度なエージェント

Liquid AIが、小型のエージェント特化型モデル「LFM2.5-2.6B」を公開しました。パラメータ数は26億で、ローカル環境での実行を想定しています。このモデルは、ツール呼び出しや指示追従、複数ステップのエージェントタスクにおいて、4倍以上大きいモデルと競合する性能を持つとされています。ベースモデルとチャットモデルの両方がHugging Faceで公開されています。

事前学習には約34兆トークンが使われ、途中学習でコンテキストが128Kに拡張されています。エッジデバイスでのエージェント動作を重視した設計が特徴です。2.5GB未満のメモリで動作するため、PCやスマートフォンでも手軽にエージェントを実行できる可能性があります。

エージェントRLで実環境に適応

このモデルの特徴は、実環境に近いエージェントハーネス内での強化学習を採用している点です。教師あり微調整を2回行い、ドメインごとの専門教師を用意したうえで、それらを1つの学生モデルに蒸留します。その後、Agentic RLという多段階の強化学習を実際のエージェント環境で実施します。

パイプラインはモデル最適化、推論、環境実行を分離して設計されています。OpenClawやHermes Agentなどのハーネスをブラックボックスとして扱いながら、学習に必要なトークンレベルの軌跡を取得する仕組みを備えています。これにより、さまざまなツールやシステムプロンプトへの適応性を高めています。

4倍規模モデルと互角

ベンチマークでは、指示追従とツール使用で最高水準を示しました。BFCLv4では9.7BのQwenに僅かに譲るものの、他のツール使用テストではトップです。エージェントタスクではGemmaシリーズを上回り、Qwenシリーズと同等とされています。

知識ではリードし、数学もほぼ互角です。一方、コーディングは大規模モデルに明確な差をつけられています。そのため、コーディング用途ではより大きなモデルを選ぶのが良さそうです。

CPUでも高速動作

推論速度も重視されており、Apple M5 Maxで毎秒220トークン、AMD Ryzen CPUで毎秒113トークンを実現します。メモリ使用量は2.5GB未満で、スマートフォンでも毎秒30トークン程度で動作します。GPUでは、H100で高並列時に1日あたり約13億トークンを処理できるとされます。

最初からllama.cpp、MLX、vLLM、SGLang、ONNXなどに対応しています。また、transformers 5.0.0以降でも利用可能で、導入ハードルが比較的低いのも特徴です。

手軽に試せる導入手段

利用には、transformers 5.0.0以降が必要です。Hugging Faceからモデルを読み込み、数行のコードで推論を実行できます。ブラウザ上で動くWebGPUデモも用意されており、セットアップなしで試せます。

OpenClawやHermes Agentといったエージェントハーネスに組み込むためのガイドも提供されています。Liquid AIは「どこでもAIを動かす」というビジョンを示しており、今回のモデルはその実現に向けた一歩と位置づけられます。