O novo modelo 2.6B da Liquid AI executa agentes de IA diretamente no seu portátil ou telemóvel
O LFM2.5-2.6B é um modelo de IA compacto capaz de lidar com tarefas em várias etapas sem enviar os seus dados para a cloud, e compete com modelos quatro vezes maior em testes de desempenho importantes.
Pontos-chave
- A Liquid AI lançou o LFM2.5-2.6B em agosto de 2026, um modelo com 2,6 mil milhões de parâmetros concebido para executar agentes de IA integralmente num dispositivo local.
- O modelo atinge 220 tokens por segundo num chip Apple M5 Max e 113 tokens por segundo num CPU AMD Ryzen, ocupando menos de 2,5 GB de memória.
- Em testes de seguimento de instruções, o LFM2.5-2.6B superou todos os modelos de comparação testados, incluindo modelos quase quatro vezes maiores.
- As versões base e ajustadas por instruções estão disponíveis agora no Hugging Face.
A maioria dos assistentes de IA que conseguem realizar tarefas complexas, pesquisar na web, escrever código, preencher formulários, vivem na cloud. O seu pedido viaja para um servidor distante, é processado e volta. Funciona bem, até ao momento em que se importa com privacidade, custo ou acesso à internet.
A Liquid AI quer mudar essa equação. A empresa lançou o LFM2.5-2.6B, um pequeno modelo de IA construído para executar agentes de IA, software que consegue realizar tarefas em várias etapas de forma autónoma, diretamente em hardware do dia a dia. Pense no portátil da sua secretária ou no telemóvel no seu bolso.
O que torna este modelo diferente de um chatbot padrão?
Os chatbots padrão respondem a uma pergunta de cada vez. Um agente de IA planeia e atua em várias etapas: pode pesquisar informações, chamar uma ferramenta externa, verificar um resultado e depois escrever um resumo. Isto requer que o modelo siga instruções precisas e gerencie uma cadeia mais longa de decisões sem se desviar.
O LFM2.5-2.6B foi treinado especificamente para esse tipo de trabalho. A Liquid AI submeteu-o a quatro fases de treinamento, terminando com um processo chamado Aprendizagem por Reforço Agêntica, onde o modelo praticou tarefas dentro de ambientes de agente reais em vez de apenas ler exemplos de texto. O resultado é um modelo que liderou todos os testes de seguimento de instruções no grupo de comparação da Liquid, superando modelos com até 9,7 mil milhões de parâmetros em vários testes.
Como é que a comparação de tamanho se manifesta na prática?
A tabela abaixo mostra como o LFM2.5-2.6B se compara a quatro modelos maiores numa seleção dos testes publicados pela Liquid. Números mais altos são melhores em todas as linhas, exceto em AA Omniscience, onde as pontuações são negativas e mais próximas de zero é melhor.
| Teste | LFM2.5-2.6B | Qwen3.5-4B (4.7B) | Qwen3.5-9B (9.7B) |
|---|---|---|---|
| IFBench (seguimento de instruções) | 59.17 | 48.40 | 56.47 |
| ToolSandbox (utilização de ferramentas) | 77.83 | 75.55 | 76.44 |
| Multi-IF (instruções multiturno) | 80.07 | 55.67 | 62.55 |
| AIME25 (matemática) | 51.87 | 49.33 | 56.07 |
| LiveCodeBench v6 (programação) | 59.41 | 60.85 | 69.86 |
O padrão é claro. No seguimento de instruções e na utilização de ferramentas, o modelo pequeno vence ou está empatado. Na programação, os modelos maiores mantêm uma vantagem real, portanto programadores que criam agentes pesados em código vão querer algo maior.
Devem os utilizadores comuns preocupar-se com tudo isto?
Sim, por uma razão prática: privacidade. Quando um agente de IA é executado no seu dispositivo, os seus documentos, mensagens e consultas nunca saem dele. Nenhuma empresa de cloud armazena ou treina com os seus dados. Isto importa para qualquer pessoa que lida com informações pessoais, médicas ou comerciais sensíveis.
A velocidade também é significativa no uso diário. A 30 tokens por segundo, o modelo é suficientemente rápido para ser executado num telemóvel moderno, não apenas num portátil de gama alta. A Liquid reporta que se ajusta em menos de 2,5 GB de memória, o que está bem ao alcance de dispositivos de consumidor atuais.
Para programadores, o modelo está disponível agora no Hugging Face, reportado inicialmente pelo Hugging Face como parte do seu hub de modelos, e funciona com ferramentas amplamente utilizadas incluindo llama.cpp e vLLM, um framework para servir modelos de IA em escala.
Perguntas frequentes
Executar IA no meu dispositivo significa que os meus dados mantêm-se privados?
Sim. Quando um modelo é executado localmente, a sua entrada nunca viaja para um servidor externo, portanto nenhuma terceira parte a recebe ou armazena. Este é o benefício de privacidade central da IA no dispositivo.
Preciso de hardware caro para executar isto?
Não necessariamente. A Liquid diz que o modelo é executado num telemóvel em velocidades úteis e se ajusta em menos de 2,5 GB de memória, o que é menos do que muitas aplicações de edição de fotos utilizam. Um portátil moderno ou um smartphone de gama alta deve ser suficiente.
