LFM2.5-230M：どこでも動作するように作られたモデル

2026年6月25日

本日、私たちはこれまでで最小のモデル LFM2.5-230M をリリースします。これは、開発者がファインチューニングし、エージェント型ワークフローにデプロイするための、高速かつ軽量な基盤モデルです。LFM2アーキテクチャをベースに構築されており、非常に高速な推論を実現し、クラウドGPUから低コストCPUまで、あらゆる環境で動作します（Galaxy S25 Ultraで213 tok/sのデコード速度、Raspberry Pi 5で42 tok/s）。小規模なモデルでありながら、ツール利用やデータ抽出タスクにおいて驚くほど高い能力を発揮します。

ベースモデル（LFM2.5-230M-Base）とポストトレーニング済みモデル（LFM2.5-230M）は、本日より Hugging Face で利用可能です。ローカルでの実行方法やファインチューニング方法については、ドキュメントをご覧ください。

Bar chart titled “LFM2.5-230M Benchmarks,” comparing LFM2.5-230M against LFM2.5-350M, LFM2-350M, Granite 4.0-H-350M, Qwen3.5-0.8B Instruct, and Gemma 3 1B IT across six benchmarks: GPQA Diamond, IFEval, IFBench, CaseReportBench, BFCLv4, and tau-squared Bench. LFM2.5-350M is the top performer on all six benchmarks. LFM2.5-230M scores 25.41 on GPQA Diamond, 71.71 on IFEval, 38.40 on IFBench, 22.51 on CaseReportBench, 21.03 on BFCLv4, and 16.98 on tau-squared Bench, generally ranking near the top except on tau-squared Bench.

トレーニングとファインチューニング

このモデルは、32Kコンテキスト拡張フェーズを含む 19Tトークンで事前学習されました。私たちは、開発者が自分たちの下流アプリケーションに合わせて活用できる柔軟性を保つため、軽量なポストトレーニング手法を適用しています。

この手法は、次の3段階で構成されています。（1）LFM2.5-350M からの蒸留を用いた教師ありファインチューニング、（2）直接選好最適化、（3）マルチドメイン強化学習です。最終チェックポイントは、すぐに使える高い能力と、下流タスクへの専門化に向けた適応性のバランスを取りながら、より大規模なモデルに対しても競争力を維持しています。

現在進行中の取り組みの初期例として、私たちは LFM2.5-230M を Unitree G1 ヒューマノイドロボット上にデプロイしました。このモデルは、オンボードの NVIDIA Jetson Orin 上で完全にオンデバイスで動作します。ここでモデルはスキル選択レイヤーとして機能し、単一の自然言語指示を受け取って、NVIDIA の SONIC フレームワークが提供する事前学習済みの低レベルスキルを呼び出す一連のツール呼び出しへと分解します。このタスク向けに短時間のファインチューニングを行うだけで、モデルは次のような自由形式のコマンドを

「2 秒間その場で静止し、次に秒速 1 メートルで 3 メートル前進し、片ひざを前に突いた姿勢を 5 秒間保ち、秒速 0.5 メートルで 3 メートル後退してください」

構造化された複数ステップの計画へと変換し、目標速度での時間指定歩行や片膝立ちといったスキルを連鎖させます。現段階では動作は意図的にシンプルなものにしていますが、これは説得力のあるシグナルだと考えています。230M パラメータのモデルを迅速にファインチューニングしてオンデバイスにデプロイし、ヒューマノイドの自然言語制御インターフェースとして機能させることができるのです。

ベンチマーク

私たちは、コア能力と応用タスクの両方を対象とする10種類のベンチマークで LFM2.5-230M を評価しました。その小さなサイズにもかかわらず、このモデルは2倍以上の規模を持つモデルと競合し、多くの場合それらを上回っています。評価対象には、知識能力（GPQA Diamond、MMLU-Pro）、指示追従（IFEval、IFBench、Multi-IF）、データ抽出（CaseReportBench）、ツール利用（BFCLv3、BFCLv4、τ²-Bench TelecomおよびRetail）が含まれます。

	GPQA Diamond	MMLU-Pro	IFEval	IFBench	Multi-IF
LFM2.5-230M	25.41	20.25	71.71	38.40	37.70
LFM2.5-350M	30.64	20.01	76.96	40.69	44.92
LFM2-350M	27.58	19.29	64.96	18.20	32.92
Granite 4.0-H-350M	22.32	13.14	61.27	17.22	28.70
Granite 4.0-350M	25.91	12.84	53.48	15.98	24.21
Qwen3.5-0.8B (Instruct)	27.41	37.42	59.94	22.87	41.68
Gemma 3 1B IT	23.89	14.04	63.49	20.33	44.25

	CaseReportBench	BFCLv3	BFCLv4	𝜏²-Bench Telecom	𝜏²-Bench Retail
LFM2.5-230M	22.51	43.26	21.03	5.26	13.68
LFM2.5-350M	32.45	44.11	21.86	18.86	17.84
LFM2-350M	11.67	22.95	12.29	10.82	5.56
Granite 4.0-H-350M	12.44	43.07	13.28	13.74	6.14
Granite 4.0-350M	0.84	39.58	13.73	2.92	6.14
Qwen3.5-0.8B (instruct)	13.83	35.08	18.70	12.57	6.14
Gemma 3 1B IT	2.28	16.61	7.17	9.36	6.43

これにより LFM2.5-230M は、大規模なデータ抽出パイプラインや、軽量なオンデバイスのエージェント型ワークロードを支えるのに理想的なソリューションとなります。ただし、そのコンパクトなサイズを考慮し、高度な数学、コード生成、創作文章など、推論負荷の高いワークロードにはお勧めしません。

どこでも高速推論

LFM2.5-230M は、推論エコシステム全体でリリース初日からサポートされています。

llama.cpp — エッジでの効率的な推論に向けた GGUF チェックポイント
MLX — Apple シリコン向けに最適化された推論
vLLM — 本番のスループットに向けた GPU アクセラレーション付きサービング
SGLang — 本番のスループットに向けた GPU アクセラレーション付きサービング
ONNX — 多様なアクセラレータをまたぐクロスプラットフォーム推論

CPU推論。 効率的なLFM2アーキテクチャにより、LFM2.5-230M は、SSMハイブリッドやGated Delta Networksを含む同規模モデルと比べて、かなり高速です。Raspberry Pi 5とQualcomm Snapdragon Gen4（Samsung Galaxy S25 Ultra）のどちらにおいても、同クラスで最高のプリフィルおよびデコードスループットを実現しながら、メモリフットプリントは最小に抑えています。各プラットフォームでプリフィル性能を最大化するため、デバイスごとにflash-attentionフラグを調整しています。Raspberry Pi 5では有効（-fa 1）、Snapdragon Gen4では無効（-fa 0）にしています。

Bar chart titled “LFM2.5-230M CPU Inference Metrics by Device,” comparing six 4-bit quantized language models with a 2K token input context on Raspberry Pi 5 and Qualcomm Snapdragon Gen4 in a Samsung Galaxy S25 Ultra. Metrics shown are prefill speed, decode speed, and memory use. On Raspberry Pi 5, LFM2.5-230M leads with 523 tok/s prefill and 42 tok/s decode while using the least memory at 293 MB. On Snapdragon Gen4, LFM2.5-230M again leads with 1,158 tok/s prefill and 213 tok/s decode, also using the least memory at 375 MB. Competing models include LFM2.5-350M, Granite 4.0 350M, Granite 4.0-H 350M, Gemma 3 1B IT, and Qwen3.5-0.8B.

GPU 推論。本番グレードのエンタープライズ導入向けに、私たちは極めて低レイテンシなサービングを実現する社内 GPU 推論スタックも開発しました。SGLang 上で動作する他の小規模モデルと比較したベンチマークでは、すべての同時実行レベルにおいて、LFM2.5 モデルはエンドツーエンドのレイテンシを大幅に低く抑えています。

Line chart titled “LFM2.5 internal low-latency inference: Latency vs concurrency,” measured on an H100 GPU with 512 input tokens and 32 output tokens. The x-axis shows concurrency levels from 1 to 64, and the y-axis shows p50 request latency in milliseconds. LFM2.5-230M has the lowest latency at every concurrency level, rising from about 50 ms at concurrency 1 to about 205 ms at concurrency 64. Granite 4.0-H-350M, Gemma-3-1B, and Qwen3.5-0.8B have higher latency curves, with Qwen3.5-0.8B reaching the highest latency at roughly 530 ms at concurrency 64.

はじめる

Hugging Faceで利用可能な LFM2.5-230M と LFM2.5-230M-Base を使って、今すぐ開発を始めましょう。

LFM2.5 によって、私たちは「どこでも動作するAI」というビジョンを実現しています。これらのモデルは、次の特徴を備えています。

オープンウェイト — 制約なくダウンロード、ファインチューニング、デプロイが可能
初日から高速 — Apple、AMD、Qualcomm、Nvidiaハードウェア全体で、llama.cpp、NexaSDK、MLX、vLLMをネイティブサポート
完全なファミリー — カスタマイズ向けのベースモデルから、音声・ビジョンに特化したバリアントまで、ひとつのアーキテクチャが多様なユースケースをカバー

エッジAIの未来は、すでにここにあります。皆さんが何を作るのか、楽しみにしています。

Hugging Face でダウンロード

ドキュメントを読む

引用

引用の際は、以下の参考文献または BibTeX をご利用ください。

Liquid AI, "LFM2.5-230M: Built to Run Anywhere", Liquid AI Blog, Jun 2026.

@article{liquidAI2026230M,  
    author = {Liquid AI},  
    title = {LFM2.5-230M: 
    Built to Run Anywhere},  
    journal = {Liquid AI Blog},  
    year = {2026},  
    note = {www.liquid.ai/blog/lfm2-5-230m}
}