LFM2.5-2.6B
TrialNền tảng
Mô hình ngôn ngữ 2,6 tỷ tham số tối ưu cho các quy trình tác tử chạy trên thiết bị.
Vì sao ở đây
Xếp vào Trial: 4 bài bằng chứng từ 3 nguồn, chủ yếu là ra mắt sản phẩm, 3 bài trong 30 ngày qua. Độ tin cậy 60%.
Bằng chứng (4)
- 8Hugging Face Blog·4/8/2026model_releaseHugging Face giới thiệu LFM2.5-2.6B cho tác tử chạy trực tiếp trên thiết bị
Hugging Face công bố LFM2.5-2.6B, mô hình 2,6 tỷ tham số được thiết kế để vận hành tác tử trực tiếp trên thiết bị với khả năng gọi công cụ và thực hiện quy trình nhiều bước. Mô hình hướng tới máy tính xách tay và điện thoại, nhấn mạnh tính riêng tư, mức dùng bộ nhớ thấp và hiệu năng benchmark mạnh so với các mô hình lớn hơn nhiều.
- 7Hugging Face Blog·28/7/2026model_releaseLiquidAI phát hành bộ mã hóa LFM2.5 cho suy luận ngữ cảnh dài nhanh trên CPU
Hugging Face giới thiệu hai mô hình encoder mới, LFM2.5-Encoder-230M và LFM2.5-Encoder-350M, hướng tới suy luận với ngữ cảnh dài, độ chính xác cao và độ trễ thấp trên CPU. Các mô hình hỗ trợ tối đa 8.192 token, được huấn luyện bằng masked language modeling và phù hợp cho các tác vụ như phân loại, điều phối ý định, lọc an toàn và phát hiện PII.
- 5Simon Willison·20/7/2026product_launchNativ cho phép chạy mô hình mở cục bộ trên Mac
Nativ là một thư viện được tuyển chọn để chọn và chạy các mô hình AI mã nguồn mở trực tiếp trên máy Mac. Ứng dụng gợi ý mô hình phù hợp theo cấu hình máy và giới thiệu các lựa chọn từ Google, Cohere và Liquid AI với nhiều mức dung lượng và cửa sổ ngữ cảnh khác nhau.
- 5Hugging Face Blog·20/2/2026product_launchHuấn luyện mô hình AI nhỏ miễn phí với Unsloth và Hugging Face Jobs
Hugging Face giới thiệu quy trình tinh chỉnh mô hình nhỏ LFM2.5-1.2B-Instruct bằng Unsloth trên Hugging Face Jobs, đồng thời cung cấp credit miễn phí cho người dùng đủ điều kiện. Bài viết nhấn mạnh tốc độ huấn luyện nhanh hơn, dùng ít VRAM hơn và thiết lập qua các tác nhân lập trình như Claude Code và Codex.