LFM2.5-1.2B-Thinking
1.17B端侧推理模型，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32,768 token上下文。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking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），词表65,536
- 为纯推理模型，回答前生成思考内容；官方推荐生成参数temperature 0.05、top_k 50、repetition_penalty 1.05
- 32,768 token上下文，知识截止2024年年中
- 官方称AMD Ryzen AI 9 HX 370的CPU（llama.cpp Q4_0）解码约116 tok/s、Snapdragon Gen4 NPU约82 tok/s，并称在16K上下文下解码仍约52 tok/s、满32K约46 tok/s（官方声明，本站未复现）
- 官方称相对Qwen3-1.7B思考模式在多数基准上更高且输出token更少
- 支持函数调用（默认Python式调用，可切换JSON），官方提供GGUF、ONNX与MLX导出
使用边界
- 官方明确不推荐知识密集任务与编程。
- 作为纯推理模型先输出思考内容，使用时需考虑延迟与输出长度成本；官方推荐的temperature为0.05，与指令模型不同。
- 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（许可第5节与定义将Threshold设为10,000,000美元年收入），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。
- 官方benchmark中GPQA Diamond 37.86、MMLU-Pro 49.65，知识密集与研究生级问答能力仍为端侧水平。
- 官方未披露提示模板与采样细节；成绩为发布方自测的五次运行均值，本站未复现。
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
- 官方模型卡标注1.17B（16层：10个双门控卷积块＋6个GQA块）；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。纯文本推理模型，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：预训练从10T扩展至28T token，并采用大规模多阶段强化学习；知识截止2024年年中。未公开训练数据清单。
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 · accuracy49.65%MMLU-Pro · en · 思考开启IFEval · score88.42%IFEval · en · 思考开启AIME25 · accuracy31.73%AIME 2025 · en · 思考开启查看评估与来源收起补充信息
文本生成
可作为端侧推理与工具调用候选：官方benchmark表报告MMLU-Pro 49.65、IFEval 88.42、AIME25 31.73、BFCLv3 56.97（思考模式，五次运行均值）。官方称相对Qwen3-1.7B思考模式在多数基准上更高且输出token更少，并明确不推荐知识密集任务与编程。
- 官方表在同一行并列同档Qwen3-1.7B、Granite-4.0-1B、Gemma 3 1B IT与Llama 3.2 1B Instruct等对照模型，并为本型号给出多次运行的均值与标准差。
- 覆盖知识、数学、指令跟随与工具调用多个维度。
- 官方公开长期上下文下的解码速度与端侧内存声明，能力与资源边界较清楚。
- 官方明确不推荐知识密集任务与编程，官方benchmark也未覆盖代码生成能力。
- 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完整解码配置，不能与外部榜单直接横比。
- 作为推理模型，官方分数不体现思考内容带来的延迟与输出长度成本；本站未复现任何一项基准。
MMLU-Pro · accuracy
49.65%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-Thinking / 未提供
- 思考模式
- 启用
- 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benchmark表（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官方模型卡benchmark表列出LFM2.5-1.2B-Thinking为49.65（±0.18），同表并列Qwen3-1.7B思考/指令模式、LFM2.5-1.2B-Instruct、Granite-4.0-H-1B与Llama 3.2 1B Instruct等对照。官方说明GPQA、MMLU-Pro、IFBench与AIME25遵循 artificialanalysis.ai 公布的方法学自测，思考模型报告五次运行（temperature=0.6）的均值与标准差；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-thinking-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking
- 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基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露数据版本、模型revision、提示模板与完整解码配置，且成绩为五次运行均值；无法与统一条件下的其他成绩比较。
IFEval · score
88.42%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-Thinking / 未提供
- 思考模式
- 启用
- 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benchmark表（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官方模型卡benchmark表列出LFM2.5-1.2B-Thinking为88.42（±0.35）；官方说明IFEval与Multi-IF报告strict与loose提示/指令准确率的平均分，思考模型为五次运行（temperature=0.6）的均值与标准差。未披露数据版本、提示模板与完整解码配置；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-thinking-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking
- 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基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露数据版本、模型revision与完整评测配置，且成绩为五次运行均值；无法与统一条件下的其他成绩比较。
AIME25 · accuracy
31.73%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-Thinking / 未提供
- 思考模式
- 启用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- AIME 2025 / 未提供
- 基准 / 报告版本
- 官方模型卡benchmark表（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官方模型卡benchmark表列出LFM2.5-1.2B-Thinking为31.73（±1.81）；官方说明GPQA、MMLU-Pro、IFBench与AIME25遵循 artificialanalysis.ai 公布的方法学自测，思考模型为五次运行（temperature=0.6）的均值与标准差。未披露提示模板与完整解码配置；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-thinking-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking
- 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基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露数据版本、模型revision与完整解码配置，且不同对照模型使用不同推理模式；无法与统一条件下的其他成绩比较。
BFCLv3 · score
56.97%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-Thinking / 未提供
- 思考模式
- 启用
- 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官方模型卡benchmark表列出LFM2.5-1.2B-Thinking为56.97（±0.30）；官方说明BFCLv3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。未披露数据版本、模型revision与运行配置；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-thinking-benchmark-table
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking
- 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基准数据自身许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露数据版本、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 Ryzen AI 9 HX 370 CPU（llama.cpp Q4_0）约116 tok/s、Snapdragon Gen4 NPU约82 tok/s与856MB至1.6GB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加载本型号；模型卡未给出本型号的具体安装命令，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-Thinking；官方推荐temperature 0.05、top_k 50、repetition_penalty 1.05、max_new_tokens 512。该型号为推理模型，输出包含思考内容。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；官方速度表中的llama.cpp Q4_0档位给出856MB与719MB内存占用，属于官方声明与特定设备条件，不作为通用资源保证。
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-Thinking-GGUF仓库，定位为面向llama.cpp及兼容工具的CPU推理与更低内存占用；官方速度表使用llama.cpp Q4_0量化档。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。