Liquid AI2.69B~2 GB VRAM przy Q4_K_M

LFM2.5 2.6B — VRAM, szybkość i lokalna konfiguracja

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Liquid AI's on-device agentic model: 2.69B parameters over 30 layers, of which only 8 are attention — the other 22 are double-gated short convolutions that cache nothing. That is why its KV cache stays small at a 128K context where a conventional 2.7B model's would not. Trained on 34T tokens, post-trained for tool calling.

LFM2.5 2.6B potrzebuje około 2 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika68
Kreatywność62
Kod60

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.

Kwant.VRAMSzybkość (szac.)Dopasowanie
Q2_K
2.63 bpw
1.7 GB~253 tok/sMieści się
Q3_K_M
3.41 bpw
1.9 GB~233 tok/sMieści się
Q4_K_M
4.83 bpw
2.4 GB~203 tok/sMieści się
Q5_K_M
5.67 bpw
2.7 GB~189 tok/sMieści się
Q6_K
6.56 bpw
3 GB~176 tok/sMieści się
Q8_0
8.50 bpw
3.7 GB~152 tok/sMieści się
F16
16.00 bpw
6.2 GB~101 tok/sMieści się

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla LFM2.5 2.6B →

Uruchom LFM2.5 2.6B

Najtańsze GPU z naszego katalogu, które uruchomi LFM2.5 2.6B, to Intel Arc B570 (10 GB).

Kup ten sprzęt Intel Arc B570 10GB — 10 GB VRAM · 150 W board powerUruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Jak uruchomić LFM2.5 2.6B

Zainstaluj Ollama, a potem uruchom:

ollama run lfm2-5
Wagi na Hugging Face: LiquidAI/LFM2.5-2.6B ↗

Specyfikacja

Corroborated — Two or more independent sources agree on these figures, but the model card itself was not retrieved. Treat the numbers as good rather than confirmed.

Parametry
2.69 Billion
Okno kontekstu
131,072
Architektura
Hybrid (22 conv + 8 GQA)
Dostawca
Liquid AI
Licencja
LFM Open License v1.0
Practical deployment
Edge device (phone, SBC)
Określono przy
Q4_K_M
RAM systemowy
8 GB
Rekord zaktualizowany
2026-09-19
LicencjaLFM Open License v1.0Użycie komercyjne dozwolone

Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.

Commercial use is licensed only below $10M annual revenue; above that, a separate agreement.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doon deviceagentstool callingedge

Czy uruchomię LFM2.5 2.6B na moim GPU?

Inne rozmiary LFM2.5

LFM2.5 2.6B — najczęściej zadawane pytania

How much VRAM does LFM2.5 2.6B need?

About 2 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does LFM2.5 2.6B run on an RTX 4090 (24 GB)?

Yes. LFM2.5 2.6B needs about 2 GB at Q4_K_M, inside a 24 GB card, at an estimated 203 tokens/sec.

How do I run LFM2.5 2.6B locally?

Install Ollama and run `ollama run lfm2-5`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does LFM2.5 come in?

LFM2.5 2.6B (2 GB), LFM2.5-8B-A1B (6 GB), LFM2.5-24B-A2B (15 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.