Liquid AI का नया 2.6B मॉडल आपके लैपटॉप या फोन पर सीधे AI एजेंट चलाता है
LFM2.5-2.6B एक कॉम्पैक्ट AI मॉडल है जो बहु-चरणीय कार्यों को संभाल सकता है बिना आपके डेटा को क्लाउड में भेजे, और यह मुख्य बेंचमार्क पर अपने आकार से चार गुना बड़े मॉडल के साथ प्रतिस्पर्धा करता है।
मुख्य बातें
- Liquid AI ने अगस्त 2026 में LFM2.5-2.6B रिलीज किया, एक 2.6-बिलियन-पैरामीटर मॉडल जो AI एजेंटों को पूरी तरह से स्थानीय डिवाइस पर चलाने के लिए डिज़ाइन किया गया है।
- यह मॉडल Apple M5 Max चिप पर 220 टोकन प्रति सेकंड और AMD Ryzen CPU पर 113 टोकन प्रति सेकंड तक पहुँचता है, 2.5 GB से कम मेमोरी में फिट होता है।
- निर्देश-पालन बेंचमार्क पर, LFM2.5-2.6B ने परीक्षण किए गए हर तुलना मॉडल को पार किया, जिसमें लगभग चार गुना बड़े मॉडल भी शामिल हैं।
- बेस और निर्देश-ट्यून किए गए दोनों संस्करण अब Hugging Face पर उपलब्ध हैं।
अधिकांश AI सहायक जो जटिल कार्य कर सकते हैं, वेब खोज करते हैं, कोड लिखते हैं, फॉर्म भरते हैं, ये क्लाउड में रहते हैं। आपका अनुरोध एक दूर के सर्वर तक जाता है, संसाधित होता है, और वापस आता है। यह ठीक काम करता है, जब तक आप गोपनीयता, लागत, या इंटरनेट एक्सेस की परवाह न करें।
Liquid AI इस समीकरण को बदलना चाहता है। कंपनी ने LFM2.5-2.6B रिलीज किया है, एक छोटा AI मॉडल जो AI एजेंटों को चलाने के लिए बनाया गया है, वह सॉफ़्टवेयर जो बहु-चरणीय कार्यों को स्वतंत्र रूप से करना चाहता है, रोजमर्रा के हार्डवेयर पर सीधे। आपकी डेस्क पर लैपटॉप या अपनी जेब में फोन के बारे में सोचिए।
यह मॉडल एक मानक चैटबॉट से अलग क्या बनाता है?
मानक चैटबॉट एक बार में एक सवाल का जवाब देते हैं। एक AI एजेंट कई चरणों में योजना बनाता है और कार्य करता है: यह जानकारी खोज सकता है, एक बाहरी उपकरण को कॉल कर सकता है, परिणाम जांच सकता है, फिर सारांश लिख सकता है। इसके लिए मॉडल को सटीक निर्देशों का पालन करने और निर्णयों की एक लंबी श्रृंखला को ट्रैक पर रखने की आवश्यकता होती है।
LFM2.5-2.6B को विशेष रूप से उस तरह के काम के लिए प्रशिक्षित किया गया था। Liquid AI ने इसे चार प्रशिक्षण चरणों के माध्यम से रखा, Agentic Reinforcement Learning नामक प्रक्रिया के साथ समाप्त किया, जहाँ मॉडल ने केवल पाठ उदाहरण पढ़ने के बजाय वास्तविक एजेंट वातावरण में कार्यों का अभ्यास किया। परिणाम एक मॉडल है जो Liquid के तुलना समूह में हर निर्देश-पालन बेंचमार्क को शीर्ष पर रखता है, कई परीक्षणों पर 9.7 बिलियन पैरामीटर तक के मॉडलों को हराता है।
आकार की तुलना वास्तव में कैसी दिखती है?
नीचे दी गई तालिका दिखाती है कि LFM2.5-2.6B चार बड़े मॉडलों से बेंचमार्क के चयन पर कैसे तुलना करता है जो Liquid ने प्रकाशित किए हैं। AA Omniscience को छोड़कर सभी पंक्तियों पर उच्च बेहतर है, जहाँ स्कोर नकारात्मक हैं और शून्य के करीब बेहतर है।
| बेंचमार्क | LFM2.5-2.6B | Qwen3.5-4B (4.7B) | Qwen3.5-9B (9.7B) |
|---|---|---|---|
| IFBench (निर्देश पालन) | 59.17 | 48.40 | 56.47 |
| ToolSandbox (उपकरण उपयोग) | 77.83 | 75.55 | 76.44 |
| Multi-IF (बहु-मोड़ निर्देश) | 80.07 | 55.67 | 62.55 |
| AIME25 (गणित) | 51.87 | 49.33 | 56.07 |
| LiveCodeBench v6 (कोडिंग) | 59.41 | 60.85 | 69.86 |
पैटर्न स्पष्ट है। निर्देश पालन और उपकरण उपयोग पर, छोटा मॉडल जीतता है या बराबरी करता है। कोडिंग पर, बड़े मॉडल एक वास्तविक लीड रखते हैं, इसलिए कोड-भारी एजेंटों का निर्माण करने वाले डेवलपर्स को कुछ बड़ा चाहिए।
क्या साधारण उपयोगकर्ताओं को इसमें से कोई भी ध्यान देना चाहिए?
हाँ, एक व्यावहारिक कारण के लिए: गोपनीयता। जब एक AI एजेंट आपके डिवाइस पर चलता है, तो आपके दस्तावेज़, संदेश, और क्वेरी कभी इसे छोड़ते नहीं हैं। कोई भी क्लाउड कंपनी आपके डेटा को स्टोर या प्रशिक्षण के लिए उपयोग नहीं करती है। यह किसी के लिए महत्वपूर्ण है जो संवेदनशील व्यक्तिगत, चिकित्सा, या व्यावसायिक जानकारी संभाल रहे हैं।
गति दैनिक उपयोग में भी अर्थपूर्ण है। 30 टोकन प्रति सेकंड पर, मॉडल एक आधुनिक फोन पर चलाने के लिए काफी तेजी से है, केवल एक उच्च-अंत लैपटॉप नहीं। Liquid रिपोर्ट करता है कि यह 2.5 GB से कम मेमोरी में फिट होता है, जो वर्तमान उपभोक्ता उपकरणों की पहुँच में अच्छी तरह से है।
डेवलपर्स के लिए, मॉडल अब Hugging Face पर उपलब्ध है, पहली बार Hugging Face द्वारा इसके मॉडल हब के हिस्से के रूप में रिपोर्ट किया गया, और llama.cpp और vLLM सहित व्यापक रूप से उपयोग किए जाने वाले उपकरणों के साथ काम करता है, जो बड़े पैमाने पर AI मॉडलों को परोसने के लिए एक ढाँचा है।
सामान्य प्रश्न
क्या अपने डिवाइस पर AI चलाने का मतलब है कि मेरा डेटा निजी रहता है?
हाँ। जब एक मॉडल स्थानीय रूप से चलता है, तो आपका इनपुट कभी एक बाहरी सर्वर तक नहीं जाता है, इसलिए कोई तीसरा पक्ष इसे प्राप्त या स्टोर नहीं करता है। यह ऑन-डिवाइस AI का मुख्य गोपनीयता लाभ है।
क्या इसे चलाने के लिए मुझे महंगे हार्डवेयर की आवश्यकता है?
जरूरी नहीं। Liquid कहता है कि मॉडल उपयोगी गति पर एक फोन पर चलता है और 2.5 GB से कम मेमोरी में फिट होता है, जो कई फोटो-संपादन ऐप्स से कम है। एक आधुनिक लैपटॉप या उच्च-अंत स्मार्टफोन पर्याप्त होना चाहिए।
