LFM2.5-2.6B

Fiche modèle · Liquid AI · lfm-2.5-2.6b

LFM2.5-2.6B is Liquid AI's open-weight 2.6B dense hybrid text→text model (LFM2 architecture) post-trained for on-device agentic workloads: planning, native tool calling, and multi-step tasks. ~2.69B parameters, trained on ~34T tokens, 128K context (131,072 tokens), 128K vocabulary. Always thinks before answering. Day-one support for Transformers, vLLM, SGLang, llama.cpp, MLX, and ONNX. Hugging Face: LiquidAI/LFM2.5-2.6B (+ Base). License: LFM Open License v1.0 (lfm1.0). Catalog benches include AIME25, LiveCodeBench v6, IFBench, Multi-IF, BFCL-v4, PinchBench, Claw-Eval, τ³-Banking 0.0567 (Liquid harness; scale differs from some AA τ³ rows), and aa-omniscience-index −29.50 (signed). No catalog id for ToolSandbox 77.83, BrowseComp+ (OpenClaw) 26.89, or IFStruct 85.49 — recorded here only. Sources: https://www.liquid.ai/blog/lfm2-5-2-6b · https://huggingface.co/LiquidAI/LFM2.5-2.6B. No official hosted provider row in this catalog (no sibling Liquid/OpenRouter provider pattern present); OpenRouter free route liquid/lfm-2.5-2.6b:free exists externally but was not added.

Fiches modèles

Identité

Organisation	Liquid AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-08-04
Licence	lfm open license v1.0
Licence commerciale	oui
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	131 072
KV cache / token (Q8)	30.7 ko/token
Paramètres totaux	2.69 B
Paramètres actifs (session)	2.7 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (LiquidAI/LFM2.5-2.6B)) ; total : config Hugging Face (LiquidAI/LFM2.5-2.6B)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	34 000 000 000 000
Coupure de connaissance	—
Créé le	2026-08-12T15:38:35.392575Z
Mis à jour le	2026-11-04T06:04:49.333512Z
Source	LLM Stats
URL	https://llm-stats.com/models/lfm-2.5-2.6b

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.80
instruction_following	0.70
knowledge	-29.50
language	0.80
math	0.50
reasoning	-5.50
science	-29.50
structured_output	0.80
general	-2.80
agents	0.50
code	0.70
communication	0.80
tool_calling	0.30

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-omniscience-index	knowledge	-29.50	200.00	—	non	oui	2026-11-04T06:04:49.403082Z
aime-2025	math	0.52	1.00	0.52	non	oui	2026-11-04T06:04:49.344532Z
bfcl-v4	tool_calling	0.57	1.00	0.57	non	oui	2026-11-04T06:04:49.370789Z
claw-eval	code	0.63	1.00	0.63	non	oui	2026-11-04T06:04:49.413173Z
ifbench	instruction_following	0.59	1.00	0.59	non	oui	2026-11-04T06:04:49.362064Z
livecodebench-v6	reasoning	0.59	1.00	0.59	non	oui	2026-11-04T06:04:49.353145Z
multi-if	chat	0.80	1.00	0.80	non	oui	2026-11-04T06:04:49.377086Z
pinchbench	code	0.68	1.00	0.68	non	oui	2026-11-04T06:04:49.374012Z
tau3-banking	agents	0.06	1.00	0.06	non	oui	2026-11-04T06:04:49.393372Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	44	0.80	21.09	1	trueskill	2026-11-04T08:08:43.789169Z	rankings
knowledge	36	-29.50	-2.80	1	trueskill	2026-11-04T08:08:45.139626Z	rankings
agents	150	—	7.61	4	trueskill	2026-10-19	model_history
code	136	—	16.91	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04