Hogar
Liquid AI publica en código abierto el modelo híbrido de expertos LFM2.5 para la IA en el borde
La startup de IA Liquid AI ha presentado hoy oficialmente y ha publicado en código abierto su último modelo de gran tamaño para el borde, el LFM2.5-8B-A1B . Diseñado para la ejecución de herramientas y el seguimiento de instrucciones complejas en hardware de consumo, el modelo mejora el rendimiento del razonamiento y la inferencia en dispositivos periféricos, al tiempo que mantiene los costes computacionales extremadamente bajos.
Desde el punto de vista arquitectónico, utiliza un diseño de mezcla de expertos (MoE) disperso con un total de 8.300 millones de parámetros. Gracias a esa dispersión, solo activa 1.500 millones de parámetros por token, lo que permite un funcionamiento local fluido en smartphones, ordenadores portátiles y dispositivos similares.

Contexto ampliado y razonamiento más sólido
En comparación con su predecesor, LFM2.5 amplía la ventana de contexto de 32 000 a 128 000 tokens y aumenta los datos de preentrenamiento de 12 T a 38 T de tokens. Como modelo de inferencia pura, genera una cadena de razonamiento explícita antes de ofrecer la respuesta final. Su vocabulario altamente comprimido maneja de manera eficiente nueve idiomas, incluidos el chino y el árabe.
Para reducir los bucles lógicos sin salida y las alucinaciones durante el razonamiento prolongado, el equipo de desarrollo aplicó el aprendizaje por refuerzo (RL) en dos etapas durante el entrenamiento. La optimización de preferencias reduce eficazmente los «bucles sin salida» en el razonamiento de cadena larga, mientras que un mecanismo de recompensa especializado contra las alucinaciones permite al modelo negarse activamente a responder preguntas fuera de su base de conocimientos.
Potente rendimiento en el borde y amplio soporte del ecosistema
En cuanto al rendimiento, LFM2.5 ha experimentado mejoras espectaculares. Sus puntuaciones en las pruebas de referencia de razonamiento lógico y anti-alucinaciones superan con creces a las de su predecesor, e incluso compite con modelos más grandes en el seguimiento de instrucciones. Para la llamada a herramientas, el modelo genera de forma predeterminada llamadas a funciones de Python eficientes y admite el cambio fluido al formato JSON a través de indicaciones del sistema.
El modelo recibió el soporte completo de los principales marcos de inferencia el día de su lanzamiento, incluidos llama.cpp, MLX, vLLM y SGLang. En las pruebas de hardware, alcanzó velocidades de decodificación de hasta 253 bytes por segundo en el chip M5 Max y de unos 30 bytes por segundo en dispositivos móviles, equilibrando a la perfección la privacidad y la eficiencia para implementaciones en el borde.
Artículo relacionado
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Recomendaciones de temas especiales relacionados
comentario (1)
0/500
La startup de IA Liquid AI ha presentado hoy oficialmente y ha publicado en código abierto su último modelo de gran tamaño para el borde,
Desde el punto de vista arquitectónico, utiliza un diseño de mezcla de expertos (MoE) disperso con un total de 8.300 millones de parámetros. Gracias a esa dispersión, solo activa 1.500 millones de parámetros por token, lo que permite un funcionamiento local fluido en smartphones, ordenadores portátiles y dispositivos similares.

Contexto ampliado y razonamiento más sólido
En comparación con su predecesor, LFM2.5 amplía la ventana de contexto de 32 000 a 128 000 tokens y aumenta los datos de preentrenamiento de 12 T a 38 T de tokens. Como modelo de inferencia pura, genera una cadena de razonamiento explícita antes de ofrecer la respuesta final. Su vocabulario altamente comprimido maneja de manera eficiente nueve idiomas, incluidos el chino y el árabe.
Para reducir los bucles lógicos sin salida y las alucinaciones durante el razonamiento prolongado, el equipo de desarrollo aplicó el aprendizaje por refuerzo (RL) en dos etapas durante el entrenamiento. La optimización de preferencias reduce eficazmente los «bucles sin salida» en el razonamiento de cadena larga, mientras que un mecanismo de recompensa especializado contra las alucinaciones permite al modelo negarse activamente a responder preguntas fuera de su base de conocimientos.
Potente rendimiento en el borde y amplio soporte del ecosistema
En cuanto al rendimiento, LFM2.5 ha experimentado mejoras espectaculares. Sus puntuaciones en las pruebas de referencia de razonamiento lógico y anti-alucinaciones superan con creces a las de su predecesor, e incluso compite con modelos más grandes en el seguimiento de instrucciones. Para la llamada a herramientas, el modelo genera de forma predeterminada llamadas a funciones de Python eficientes y admite el cambio fluido al formato JSON a través de indicaciones del sistema.
El modelo recibió el soporte completo de los principales marcos de inferencia el día de su lanzamiento, incluidos llama.cpp, MLX, vLLM y SGLang. En las pruebas de hardware, alcanzó velocidades de decodificación de hasta 253 bytes por segundo en el chip M5 Max y de unos 30 bytes por segundo en dispositivos móviles, equilibrando a la perfección la privacidad y la eficiencia para implementaciones en el borde.
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr











