Il nuovo modello 2.6B di Liquid AI esegue agenti AI direttamente sul tuo laptop o telefono
LFM2.5-2.6B è un modello AI compatto che gestisce attività multi-step senza inviare i tuoi dati al cloud, e compete con modelli quattro volte più grandi su benchmark chiave.
Punti chiave
- Liquid AI ha rilasciato LFM2.5-2.6B nell'agosto 2026, un modello con 2,6 miliardi di parametri progettato per eseguire agenti AI interamente su un dispositivo locale.
- Il modello raggiunge 220 token al secondo su un chip Apple M5 Max e 113 token al secondo su una CPU AMD Ryzen, occupando meno di 2,5 GB di memoria.
- Su benchmark di instruction-following, LFM2.5-2.6B ha superato tutti i modelli di confronto testati, inclusi modelli quasi quattro volte più grandi.
- Entrambe le versioni base e instruction-tuned sono disponibili adesso su Hugging Face.
La maggior parte degli assistenti AI che possono eseguire compiti complessi, cercare sul web, scrivere codice, compilare moduli, vivono nel cloud. La tua richiesta viaggia verso un server lontano, viene elaborata e ritorna. Funziona bene, finché non ti importa della privacy, del costo o dell'accesso a internet.
Liquid AI vuole cambiare questa equazione. L'azienda ha rilasciato LFM2.5-2.6B, un piccolo modello AI costruito per eseguire agenti AI, software che può eseguire attività multi-step in modo autonomo, direttamente su hardware ordinario. Pensa al laptop sulla tua scrivania o al telefono in tasca.
Cosa rende questo modello diverso da una chatbot standard?
Le chatbot standard rispondono a una domanda alla volta. Un agente AI pianifica e agisce attraverso diversi step: potrebbe cercare informazioni, chiamare uno strumento esterno, verificare un risultato, poi scrivere un riassunto. Questo richiede al modello di seguire istruzioni precise e gestire una catena più lunga di decisioni senza perdere traccia.
LFM2.5-2.6B è stato addestrato specificamente per questo tipo di lavoro. Liquid AI lo ha sottoposto a quattro fasi di addestramento, concludendo con un processo chiamato Agentic Reinforcement Learning, dove il modello ha praticato compiti all'interno di ambienti agenti reali piuttosto che solo leggere esempi di testo. Il risultato è un modello che ha superato ogni benchmark di instruction-following nel gruppo di confronto di Liquid, battendo modelli con fino a 9,7 miliardi di parametri su diversi test.
Come si confrontano effettivamente le dimensioni?
La tabella qui sotto mostra come LFM2.5-2.6B si confronta con quattro modelli più grandi su una selezione dei benchmark pubblicati da Liquid. Valori più alti sono migliori su tutte le righe tranne AA Omniscience, dove i punteggi sono negativi e più vicini a zero è meglio.
| Benchmark | LFM2.5-2.6B | Qwen3.5-4B (4.7B) | Qwen3.5-9B (9.7B) |
|---|---|---|---|
| IFBench (instruction following) | 59.17 | 48.40 | 56.47 |
| ToolSandbox (tool use) | 77.83 | 75.55 | 76.44 |
| Multi-IF (multi-turn instructions) | 80.07 | 55.67 | 62.55 |
| AIME25 (maths) | 51.87 | 49.33 | 56.07 |
| LiveCodeBench v6 (coding) | 59.41 | 60.85 | 69.86 |
Il modello è chiaro. Su instruction following e tool use, il modello piccolo vince o pareggia. Su coding, i modelli più grandi mantengono un vantaggio reale, quindi gli sviluppatori che costruiscono agenti con molti codici vorranno qualcosa di più grande.
Gli utenti comuni dovrebbero interessarsi di tutto questo?
Sì, per una ragione pratica: la privacy. Quando un agente AI viene eseguito sul tuo dispositivo, i tuoi documenti, messaggi e query non lo lasciano mai. Nessuna azienda cloud archivia o addestra i tuoi dati. Questo importa per chiunque gestisca informazioni personali, mediche o commerciali sensibili.
Anche la velocità è significativa nell'uso quotidiano. A 30 token al secondo, il modello è abbastanza veloce per girare su un telefono moderno, non solo su un laptop di fascia alta. Liquid riferisce che occupa meno di 2,5 GB di memoria, il che è ben alla portata dei dispositivi consumer attuali.
Per gli sviluppatori, il modello è disponibile adesso su Hugging Face, riportato per la prima volta da Hugging Face come parte del suo model hub, e funziona con strumenti ampiamente usati inclusi llama.cpp e vLLM, un framework per servire modelli AI su larga scala.
Domande comuni
Eseguire AI sul mio dispositivo significa che i miei dati rimangono privati?
Sì. Quando un modello viene eseguito localmente, il tuo input non viaggia mai verso un server esterno, quindi nessuna terza parte lo riceve o lo archivia. Questo è il vantaggio di privacy fondamentale dell'AI on-device.
Ho bisogno di hardware costoso per eseguire questo?
Non necessariamente. Liquid dice che il modello viene eseguito su un telefono a velocità utili e occupa meno di 2,5 GB di memoria, che è meno di quanto usano molte app di editing fotografico. Un laptop moderno o uno smartphone di fascia alta dovrebbe essere sufficiente.
