Liquid AI ha publicado LFM2.5-2.6B, un modelo de 2.600 millones de parámetros pensado para ejecutar agentes en local con 128.000 tokens de contexto y menos de 2,5 GB de memoria, según el anuncio en Hugging Face.
El argumento no es que sea el modelo más listo. Es que corre en el portátil que ya tienes y gana a modelos que pesan cuatro veces más en las tareas que importan para agentes.
Puntos clave
- 2.600 millones de parámetros, ventana de 128K tokens y preentrenamiento con unos 34 billones de tokens.
- Ocupa menos de 2,5 GB de memoria en bfloat16.
- Rendimiento en CPU: 220 tokens por segundo en un Apple M5 Max, 113 en un AMD Ryzen y unos 30 en móvil. En una H100 llega a casi 15.000 tokens de salida por segundo.
- Soporta tool calling y flujos de trabajo multipaso, que es lo que hace falta para un agente de verdad.
- Está en Hugging Face como LiquidAI/LFM2.5-2.6B y LFM2.5-2.6B-Base, con transformers 5.0 o superior.
Los números frente a modelos más grandes
La comparativa que publica Liquid AI lo pone contra dos modelos bastante mayores:
| Prueba | LFM2.5-2.6B | Gemma-4 5.1B | Qwen 9.7B |
|---|---|---|---|
| IFBench (seguir instrucciones) | 59,17 | 34,08 | 56,47 |
| ToolSandbox (uso de herramientas) | 77,83 | 52,40 | 76,44 |
| BrowseComp+ (navegación) | 26,89 | 8,31 | 27,23 |
Donde saca más ventaja es en seguir instrucciones y en usar herramientas, que no es casualidad: son las dos capacidades que determinan si un agente pequeño sirve para algo o se atasca al segundo paso. En navegación queda a la par de Qwen, un modelo casi cuatro veces más grande.
Es continuación directa de LFM2.5-350M, que publicaron en julio con el mismo enfoque de tool use en modelos diminutos. Aquí suben de tamaño lo justo para que el modelo aguante flujos multipaso sin perder la capacidad de correr en CPU.
Dónde encaja un modelo así
No compite con Claude ni con GPT y Liquid AI no pretende que lo haga. Compite con la decisión de mandar cada llamada a una API.
Los casos donde gana son tres. Volumen alto de tareas repetitivas y sencillas, donde el coste por llamada a una API se acumula y aquí es cero. Datos que no pueden salir de la máquina, por contrato o por normativa. Y funcionamiento sin conexión, en móvil o en dispositivos de campo.
Los 30 tokens por segundo en móvil son la cifra que marca la diferencia frente a lo de hace un año. Es lento para conversar, pero suficiente para un agente que clasifica, extrae datos de un formulario o decide a qué herramienta llamar.
Hay un cuarto caso menos evidente: el volumen masivo en servidor. Los casi 15.000 tokens de salida por segundo en una H100 significan que, si tu tarea cabe en un modelo de este tamaño, una sola tarjeta atiende un caudal que con un modelo grande te costaría un clúster. Liquid AI publica también la versión Base, sin ajuste de instrucciones, para quien quiera hacer fine-tuning sobre su propio dominio.
Por qué importa
Para una empresa española, el escenario realista no es sustituir Claude por esto. Es partir la carga.
Piensa en cualquier proceso donde el 80% de las llamadas son triaje: clasificar un correo, extraer cuatro campos de un albarán, decidir si un ticket va a soporte o a facturación. Eso no necesita un modelo de frontera. Y si esa parte corre en local, el modelo caro solo entra en el 20% que de verdad requiere razonar.
El ahorro no está en el precio del token de un modelo pequeño. Está en cuántas llamadas al modelo grande dejas de hacer.
Relacionado
