LFM2.5-1.2B-Instruct
1.17B混合架构端侧指令模型，官方定位代理任务、数据抽取与RAG，支持8种语言、函数调用与llama.cpp、MLX、vLLM等推理框架。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-1.2B-Instruct特点与限制
主要特点
- 1.17B参数，16层（10个双门控卷积块＋6个GQA块）
- 官方称AMD CPU约239 tok/s解码、移动NPU约82 tok/s，内存占用低于1GB
- 官方称发布即支持llama.cpp、MLX与vLLM
- 32K上下文，65,536词表
- 支持函数调用（默认Python式调用，可切换JSON）
使用边界
- 官方明确不推荐知识密集任务与编程。
- 权重采用LFM Open License v1.0：商用权利以年收入低于1000万美元为条件，超过该门槛的商业使用不在该许可范围内；非营利与研究用途不受门槛限制。
- 知识截止2024年年中，时效性有限。
- 本站未复现评测与速度/内存数据。
模型信息
- 家族与版本
- LFM2.5 / 2.5
- 输入与输出
- 文本 → 文本
- 公开参数规模
- 1.17B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方卡标注1.17B；HF权重元数据safetensors张量参数合计1,170,340,608（约1.17B），与官方口径一致。纯文本模型，无视觉或音频组件。 参数来源
- 原生上下文
- 32,768 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语、阿拉伯语、中文、法语、德语、日语、韩语、西班牙语；语言支持不代表对应语言的评测水平。
- 权重许可
- LFM Open License v1.0
- 代码许可
- 未核实
- 训练资料
- 官方公开训练口径：在10T基础上扩展预训练至28T token，并采用大规模多阶段强化学习；知识截止2024年年中。
能力依据
模型变体：指令版；家族与版本：LFM2.5 / 2.5
文本生成
MMLU-Pro · accuracy44.35%MMLU-Pro · enIFEval · score86.23%IFEval · enMulti-IF · score60.98%Multi-IF · multilingual查看评估与来源收起补充信息
文本生成
可作为端侧指令与工具调用候选：官方benchmark表报告MMLU-Pro 44.35、IFEval 86.23、Multi-IF 60.98、BFCLv3 49.12。这些成绩来自发布方自测，且官方明确不推荐知识密集任务与编程。
- 官方表在同一行并列Qwen3-1.7B、Granite 4.0-1B等同规模对照模型。
- 覆盖知识、指令跟随、多语言指令与工具调用多个维度。
- 官方公开训练预算与知识截止时间，能力边界较清楚。
- 官方明确不推荐知识密集任务与编程，官方benchmark也未覆盖编程能力。
- 部分基准官方注明遵循 artificialanalysis.ai 公布的方法学自测，且未披露提示模板与采样配置，不能与外部榜单直接横比。
- 本站未复现任何一项基准。
MMLU-Pro · accuracy
44.35%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-1.2B-Instruct / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMLU-Pro / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方benchmark表列LFM2.5-1.2B-Instruct为44.35；官方注明GPQA、MMLU-Pro、IFBench与AIME25遵循 artificialanalysis.ai 公布的方法学（https://artificialanalysis.ai/methodology/intelligence-benchmarking）自测，本站未复现，也未导入该站任何成绩。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-1-2b-instruct-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Instruct
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision、提示模板与解码配置，无法与统一条件下的其他成绩比较。
IFEval · score
86.23%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-1.2B-Instruct / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- IFEval / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方benchmark表列LFM2.5-1.2B-Instruct为86.23；官方说明IFEval与Multi-IF报告strict与loose的平均分。未披露提示模板与采样配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-1-2b-instruct-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Instruct
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与评测配置，无法与统一条件下的其他成绩比较。
Multi-IF · score
60.98%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-1.2B-Instruct / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- Multi-IF / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方benchmark表列LFM2.5-1.2B-Instruct为60.98；官方说明IFEval与Multi-IF报告strict与loose的平均分。未披露语种范围、提示模板与采样配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-1-2b-instruct-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Instruct
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与语种范围，无法与统一条件下的其他成绩比较。
BFCLv3 · score
49.12%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-1.2B-Instruct / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- BFCL / 未提供
- 基准 / 报告版本
- v3
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方benchmark表列LFM2.5-1.2B-Instruct为49.12；官方说明该分数为最终加权平均分，并使用支持其工具模板的自定义Liquid handler。未披露具体测试配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-1-2b-instruct-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Instruct
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与运行配置，且使用自定义handler，无法与统一条件下的其他成绩比较。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方列出AMD CPU约239 tok/s解码、移动NPU约82 tok/s与低于1GB内存占用等设备数据，属于官方声明而非本站测量，不换算为通用资源保证。
内存：未核实；显存：未核实。
依赖：transformers。
STEP 01 准备运行环境
官方快速开始使用Transformers加载，模型卡未给出具体安装命令，命令留空；本站未执行安装。
STEP 02 加载模型并生成
按官方示例用AutoModelForCausalLM以bfloat16加载LiquidAI/LFM2.5-1.2B-Instruct；官方推荐生成参数temperature 0.1、top_k 50、repetition_penalty 1.05。本站未下载权重或运行模型。
llama.cpp
系统支持未提供 · GGUF · 官方GGUF仓库提供多种量化等级（见仓库文件）
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方称GGUF用于CPU推理与更低内存占用，具体占用取决于量化等级与运行时，不将文件体积换算为资源保证。
内存：未核实；显存：未核实。
依赖：以官方指引为准。
STEP 01 获取GGUF量化权重
官方列出LFM2.5-1.2B-Instruct-GGUF仓库，面向llama.cpp及兼容工具，用于CPU推理与本地部署；本站未下载权重。
STEP 02 按llama.cpp文档加载
官方推理表把llama.cpp列为支持框架并链接其项目；模型卡未给出具体加载命令，命令留空。