LFM2.5-2.6B 模型发布：面向设备端的轻量级智能体

Hugging Face 上出现趋势模型 LFM2.5-2.6B，属于 LFM2.5 系列，为设备端部署设计，参数 2.6B，支持 128K 上下文和智能体训练。该模型在工具使用和智能体任务上表现优异，推理速度快，内存占用小于 2.5GB，训练规模达 34T tokens。

此前小型模型较少具备与更大模型竞争的智能体能力，LFM2.5-2.6B 以 2.6B 参数在工具使用和指令遵循上对标大 4 倍的模型，且能在常见消费级硬件上流畅运行，可能推动设备端智能体应用普及。

模型采用混合架构（22 个双门控短卷积块与 8 个 GQA），经过大规模（34T tokens）预训练，并在主流智能体框架中进行强化学习，从而在不增大参数的情况下提升智能体任务的泛化与服从能力，兼顾高效推理与低内存占用。

对部署在移动设备或边缘设备的产品，可直接采用该模型降低推理成本并提速（Apple M5 Max 上 220 tok/s），同时具备更强的智能体能力，利于开发离线助手、自动研究等应用；需注意硬件依赖和内存限制。

• 在移动应用中集成 LFM2.5-2.6B，提供离线智能体助手功能，降低服务器成本并保护用户隐私。
• 基于 LFM2.5-2.6B 开发工具调用型聊天机器人，替代云端大模型，提升响应速度。
• 利用其 128K 上下文，构建长文档分析或会议纪要工具，支持端侧处理。

• 模型的具体训练数据和许可条款尚未披露，商业使用需确认。
• 实际设备端性能是否与宣传一致（Apple M5 Max 和 AMD Ryzen CPU）缺乏第三方验证。
• 与 LFM2 相比，LFM2.5 在哪些具体任务上有改进，未有详细对比数据。