Liquid AIs neues 2,6B-Modell führt KI-Agenten direkt auf Ihrem Laptop oder Telefon aus
LFM2.5-2.6B ist ein kompaktes KI-Modell, das mehrstufige Aufgaben bewältigen kann, ohne Ihre Daten in die Cloud zu senden, und konkurriert mit Modellen, die viermal so groß sind, bei wichtigen Benchmarks.
Wichtigste Punkte
- Liquid AI gab LFM2.5-2.6B im August 2026 frei, ein Modell mit 2,6 Milliarden Parametern, das KI-Agenten vollständig auf einem lokalen Gerät ausführen kann.
- Das Modell erreicht 220 Token pro Sekunde auf einem Apple M5 Max Chip und 113 Token pro Sekunde auf einer AMD Ryzen CPU und passt in weniger als 2,5 GB Speicher.
- Bei Benchmarks zum Befehlsverstehen übertraf LFM2.5-2.6B alle getesteten Vergleichsmodelle, einschließlich Modelle, die fast viermal größer sind.
- Sowohl die Basis- als auch die anweisungsgestimmten Versionen sind jetzt auf Hugging Face verfügbar.
Die meisten KI-Assistenten, die komplexe Aufgaben ausführen können – Websuche, Code schreiben, Formulare ausfüllen – befinden sich in der Cloud. Ihre Anfrage wird zu einem entfernten Server übertragen, verarbeitet und kommt zurück. Das funktioniert gut, bis Sie sich um Datenschutz, Kosten oder Internetverbindung Gedanken machen.
Liquid AI möchte diese Gleichung ändern. Das Unternehmen hat LFM2.5-2.6B veröffentlicht, ein kleines KI-Modell, das KI-Agenten – Software, die mehrstufige Aufgaben eigenständig ausführen kann – direkt auf alltäglicher Hardware ausführen kann. Denken Sie an den Laptop auf Ihrem Schreibtisch oder das Telefon in Ihrer Tasche.
Was unterscheidet dieses Modell von einem Standard-Chatbot?
Standard-Chatbots beantworten eine Frage nach der anderen. Ein KI-Agent plant und agiert über mehrere Schritte hinweg: Er könnte Informationen suchen, ein externes Tool aufrufen, ein Ergebnis überprüfen und dann eine Zusammenfassung schreiben. Das erfordert, dass das Modell präzise Anweisungen befolgt und eine längere Kette von Entscheidungen verwaltet, ohne den Kurs zu verlieren.
LFM2.5-2.6B wurde speziell für diese Art von Arbeit trainiert. Liquid AI ließ es vier Trainingsphasen durchlaufen, endend mit einem Prozess namens Agentic Reinforcement Learning, bei dem das Modell Aufgaben in echten Agent-Umgebungen trainierte, anstatt nur Textbeispiele zu lesen. Das Ergebnis ist ein Modell, das jeden Benchmark zum Befehlsverstehen in Liquids Vergleichsgruppe anführte und Modelle mit bis zu 9,7 Milliarden Parametern bei mehreren Tests übertraf.
Wie sieht der Größenvergleich in der Praxis aus?
Die folgende Tabelle zeigt, wie LFM2.5-2.6B mit vier größeren Modellen bei einer Auswahl der von Liquid veröffentlichten Benchmarks verglichen wird. Höher ist besser bei allen Zeilen außer AA Omniscience, wo die Werte negativ sind und näher bei Null besser ist.
| Benchmark | LFM2.5-2.6B | Qwen3.5-4B (4.7B) | Qwen3.5-9B (9.7B) |
|---|---|---|---|
| IFBench (Befehlsverstehen) | 59.17 | 48.40 | 56.47 |
| ToolSandbox (Werkzeugnutzung) | 77.83 | 75.55 | 76.44 |
| Multi-IF (mehrstufige Anweisungen) | 80.07 | 55.67 | 62.55 |
| AIME25 (Mathematik) | 51.87 | 49.33 | 56.07 |
| LiveCodeBench v6 (Programmierung) | 59.41 | 60.85 | 69.86 |
Das Muster ist klar. Bei Befehlsverstehen und Werkzeugnutzung gewinnt das kleine Modell oder macht Unentschieden. Bei Programmierung behalten die größeren Modelle einen echten Vorsprung, also werden Entwickler, die Code-lastige Agenten bauen, etwas Größeres wollen.
Sollten normale Benutzer sich dafür interessieren?
Ja, aus einem praktischen Grund: Datenschutz. Wenn ein KI-Agent auf Ihrem Gerät läuft, verlassen Ihre Dokumente, Nachrichten und Abfragen es niemals. Kein Cloud-Unternehmen speichert oder trainiert mit Ihren Daten. Das ist wichtig für jeden, der sensitive persönliche, medizinische oder geschäftliche Informationen bearbeitet.
Geschwindigkeit ist auch im täglichen Gebrauch sinnvoll. Bei 30 Token pro Sekunde ist das Modell schnell genug, um auf einem modernen Telefon zu laufen, nicht nur auf einem High-End-Laptop. Liquid gibt an, dass es weniger als 2,5 GB Speicher benötigt, was gut im Bereich aktueller Verbrauchergeräte liegt.
Für Entwickler ist das Modell jetzt auf Hugging Face verfügbar, zunächst von Hugging Face als Teil seines Model Hub berichtet, und funktioniert mit weit verbreiteten Tools wie llama.cpp und vLLM, einem Framework zum Bereitstellen von KI-Modellen in großem Maßstab.
Häufig gestellte Fragen
Bedeutet das Ausführen von KI auf meinem Gerät, dass meine Daten privat bleiben?
Ja. Wenn ein Modell lokal läuft, werden Ihre Eingaben niemals an einen externen Server übertragen, daher erhält oder speichert kein Dritter diese. Das ist der Kernvorteil der Datenschutz von KI auf dem Gerät.
Benötige ich teure Hardware, um dies auszuführen?
Nicht unbedingt. Liquid gibt an, dass das Modell auf einem Telefon mit nützlichen Geschwindigkeiten läuft und weniger als 2,5 GB Speicher benötigt, was weniger ist als viele Fotobearbeitungs-Apps nutzen. Ein moderner Laptop oder High-End-Smartphone sollte ausreichend sein.
