Tabla de contenidos
LFM2.5-2.6B IA local es la nueva apuesta de Liquid AI para ejecutar agentes directamente en teléfonos, laptops, PC y robots. El modelo puede planificar, llamar herramientas y completar tareas de varios pasos sin enviar los datos a servidores externos ni pagar por cada consulta.
Liquid AI lanza LFM2.5-2.6B IA: Una IA pequeña que quiere hacer mucho más
La propuesta de Liquid AI va más allá de tener un chatbot instalado en el dispositivo. LFM2.5-2.6B está pensado para comportarse como un agente capaz de decidir qué acciones realizar, utilizar herramientas y avanzar por flujos de trabajo con varios pasos.
Su principal atractivo está en llevar esas capacidades al edge. En lugar de depender constantemente de una API en la nube, la inferencia puede ejecutarse localmente, algo especialmente interesante para dispositivos con conectividad limitada o aplicaciones donde la privacidad sea prioritaria.
La documentación de Liquid confirma que sus modelos están orientados al despliegue en dispositivos y soportan escenarios de tool calling, extracción de datos, RAG y automatización.
128K de contexto en apenas 2.69 mil millones de parámetros
Aquí aparece uno de los aspectos más llamativos. LFM2.5-2.6B ofrece una ventana de contexto de 131,072 tokens, mientras mantiene un tamaño considerablemente menor que muchos modelos destinados a tareas agenciales.
La arquitectura híbrida de Liquid combina convoluciones cortas con bloques de atención, una estrategia que busca reducir el costo computacional sin abandonar capacidades útiles para procesamiento de contexto extenso.
En las pruebas proporcionadas por Liquid, el modelo alcanza hasta 220 tokens por segundo en un M5 Max y alrededor de 30 tokens por segundo en un teléfono, con un consumo inferior a 2.5 GB de memoria según sus mediciones.
Esto cambia la conversación sobre los agentes de IA: ya no necesariamente se necesita una GPU de centro de datos para ejecutar determinadas automatizaciones.
Te recomendamos leer: Blades of the Guardians: Wind Rises in the Desert consagra el regreso de Jet Li
Pesos abiertos y múltiples formas de desplegarlo
Otro punto importante es que Liquid AI no plantea el modelo únicamente como un servicio cerrado. Los pesos están disponibles públicamente y el ecosistema contempla formatos como GGUF, MLX y ONNX, además de herramientas de inferencia utilizadas habitualmente en modelos locales.
La propia documentación de Liquid señala soporte para llama.cpp, MLX y ONNX Runtime, mientras que sus modelos también pueden utilizarse en entornos como SGLang.
Para desarrolladores independientes, esto abre la puerta a experimentar en hardware que ya tienen. Para empresas, significa que determinados agentes podrían ejecutarse dentro de infraestructura propia o directamente en dispositivos desplegados en campo.
Liquid AI lanza LFM2.5-2.6B IA: ¿Qué puede hacer un agente así?
Las aplicaciones más interesantes aparecen donde la IA necesita trabajar con información privada o realizar tareas repetitivas.
Extracción de documentos, clasificación, RAG, formularios, facturas, asistentes locales y automatizaciones en segundo plano son algunos de los escenarios naturales. También puede resultar atractivo para robótica y electrónica de consumo, donde enviar cada interacción a la nube añade latencia y costos.
Sin embargo, hay una limitación importante: un modelo pequeño no pretende sustituir a los sistemas grandes en todo. La propia documentación de Liquid recomienda sus modelos compactos para casos de uso específicos y señala que no son la mejor opción para tareas intensivas en conocimiento o programación.
El verdadero cambio está lejos de los centros de datos
El lanzamiento de LFM2.5-2.6B IA local refleja una tendencia cada vez más clara: la próxima generación de aplicaciones inteligentes no necesariamente tendrá que consultar un servidor para cada acción.
Si estos modelos pequeños continúan mejorando en tool calling, contexto y eficiencia, los teléfonos, computadoras, automóviles y robots podrían asumir una parte mucho mayor del procesamiento de IA directamente en el dispositivo.
Y eso significa algo más que velocidad: también puede traducirse en mayor privacidad, menor dependencia de internet y costos operativos mucho más bajos para aplicaciones que realizan miles o millones de ejecuciones.
Para más contenidos como este no olvides seguirnos en nuestras redes sociales: Tiktok, Instagram y Facebook.
