El nuevo modelo de 2.6B de Liquid AI ejecuta agentes de IA directamente en tu laptop o teléfono
LFM2.5-2.6B es un modelo de IA compacto que puede realizar tareas de varios pasos sin enviar tus datos a la nube, y compite con modelos cuatro veces su tamaño en benchmarks clave.
Puntos clave
- Liquid AI lanzó LFM2.5-2.6B en agosto de 2026, un modelo de 2.6 mil millones de parámetros diseñado para ejecutar agentes de IA completamente en un dispositivo local.
- El modelo alcanza 220 tokens por segundo en un chip Apple M5 Max y 113 tokens por segundo en un CPU AMD Ryzen, ocupando menos de 2.5 GB de memoria.
- En benchmarks de seguimiento de instrucciones, LFM2.5-2.6B superó a todos los modelos de comparación probados, incluidos modelos casi cuatro veces más grandes.
- Las versiones base e instrucción-optimizadas están disponibles ahora en Hugging Face.
La mayoría de los asistentes de IA que pueden realizar tareas complejas, buscar en la web, escribir código, completar formularios, viven en la nube. Tu solicitud viaja a un servidor distante, se procesa y regresa. Eso funciona bien, hasta que te importa la privacidad, el costo o el acceso a internet.
Liquid AI quiere cambiar esa ecuación. La empresa ha lanzado LFM2.5-2.6B, un modelo de IA pequeño construido para ejecutar agentes de IA, software que puede realizar tareas de varios pasos por sí solo, directamente en hardware cotidiano. Piensa en el laptop en tu escritorio o el teléfono en tu bolsillo.
¿Qué hace que este modelo sea diferente de un chatbot estándar?
Los chatbots estándar responden una pregunta a la vez. Un agente de IA planifica y actúa en varios pasos: podría buscar información, llamar a una herramienta externa, verificar un resultado y luego escribir un resumen. Esto requiere que el modelo siga instrucciones precisas y gestione una cadena más larga de decisiones sin desviarse.
LFM2.5-2.6B fue entrenado específicamente para ese tipo de trabajo. Liquid AI lo sometió a cuatro fases de entrenamiento, culminando con un proceso llamado Aprendizaje por Refuerzo Agéntico, donde el modelo practicó tareas dentro de entornos de agentes reales en lugar de solo leer ejemplos de texto. El resultado es un modelo que encabezó cada benchmark de seguimiento de instrucciones en el grupo de comparación de Liquid, superando modelos con hasta 9.7 mil millones de parámetros en varias pruebas.
¿Cómo se desarrolla realmente la comparación de tamaños?
La tabla a continuación muestra cómo LFM2.5-2.6B se compara con cuatro modelos más grandes en una selección de los benchmarks que Liquid publicó. Los números más altos son mejores en todas las filas excepto AA Omniscience, donde las puntuaciones son negativas y más cercanas a cero es mejor.
| Benchmark | LFM2.5-2.6B | Qwen3.5-4B (4.7B) | Qwen3.5-9B (9.7B) |
|---|---|---|---|
| IFBench (seguimiento de instrucciones) | 59.17 | 48.40 | 56.47 |
| ToolSandbox (uso de herramientas) | 77.83 | 75.55 | 76.44 |
| Multi-IF (instrucciones multiturno) | 80.07 | 55.67 | 62.55 |
| AIME25 (matemáticas) | 51.87 | 49.33 | 56.07 |
| LiveCodeBench v6 (codificación) | 59.41 | 60.85 | 69.86 |
El patrón es claro. En seguimiento de instrucciones y uso de herramientas, el modelo pequeño gana o empatiza. En codificación, los modelos más grandes mantienen una ventaja real, así que los desarrolladores que construyen agentes con mucho código querrán algo más grande.
¿Deberían preocuparse los usuarios ordinarios por algo de esto?
Sí, por una razón práctica: privacidad. Cuando un agente de IA se ejecuta en tu dispositivo, tus documentos, mensajes y consultas nunca lo abandonan. Ninguna empresa en la nube almacena o entrena con tus datos. Eso importa para cualquiera que maneje información personal, médica o empresarial sensible.
La velocidad también es significativa en el uso diario. A 30 tokens por segundo, el modelo es lo suficientemente rápido como para ejecutarse en un teléfono moderno, no solo en un laptop de gama alta. Liquid reporta que cabe en menos de 2.5 GB de memoria, lo que está bien al alcance de los dispositivos de consumo actuales.
Para desarrolladores, el modelo está disponible ahora en Hugging Face, reportado inicialmente por Hugging Face como parte de su hub de modelos, y funciona con herramientas ampliamente utilizadas incluyendo llama.cpp y vLLM, un framework para servir modelos de IA a escala.
Preguntas comunes
¿Ejecutar IA en mi dispositivo significa que mis datos permanecen privados?
Sí. Cuando un modelo se ejecuta localmente, tu entrada nunca viaja a un servidor externo, así que ningún tercero la recibe ni la almacena. Ese es el beneficio central de privacidad de la IA en el dispositivo.
¿Necesito hardware costoso para ejecutar esto?
No necesariamente. Liquid dice que el modelo se ejecuta en un teléfono a velocidades útiles y cabe en menos de 2.5 GB de memoria, que es menos de lo que muchas aplicaciones de edición de fotos utilizan. Un laptop moderno o un smartphone de gama alta debería ser suficiente.
