LFM2.5-2.6B

LFM2.5-2.6B 属于 Liquid AI 的 LFM 系列，是该系列在小参数区间的一次版本更新。它只接受文本输入、只输出文本，参数规模 2.6B，上下文长度为 128K，权重以开源形式发布，许可证标注为 other。系列内还有 LFM2.5-8B-A1B、LFM2 24B A2B、LFM 40B 以及上一代 LFM2 2.6B 等型号，构成从数 B 到数十 B 的梯度。它要解决的核心问题，是在算力、显存和延迟受限的环境里，仍然能处理较长文本。128K 上下文放在 2.6B 这一档并不常见，意味着长合同、长报告、多轮长会话这类输入可以整段送入，减少切分与拼接带来的信息损失。代价是模型容量有限，复杂推理与开放式生成不是它的主场。本站未记录该模型的公开跑分，能力项也标注为未标注，因此对它只适合做定位层面的判断，不宜给出强弱排序。

选型建议需要在边缘或低成本环境跑长上下文纯文本任务时值得纳入候选；追求强推理、多模态能力或明确商用授权保障时，应先比较其他方案。

• 在本地或边缘设备上离线完成文本摘要、改写与要点提炼
• 把长合同、长报告整段送入，做条款抽取与关键信息归并
• 为客服或问答系统提供低延迟的初筛回答与意图判断
• 批量执行文本分类、情绪标注与结构化字段填充
• 在受限硬件上生成初稿，再交由更大模型做润色与复核

延续 Liquid AI 的 LFM 路线，主打小参数、低推理开销的结构取向；LFM2.5-2.6B 的具体层级配置与训练细节，公开资料较少。

• 结构LFM 系列以混合式结构为特征，把卷积类模块与注意力类模块搭配使用，LFM2.5-2.6B 延续这一思路，但逐层配比未在本站事实中披露。
• 能力2.6B 参数配 128K 上下文，长输入下的显存与计算开销仍可控，适合把整篇文档一次性送进模型而不是逐段切分。
• 披露官方模型卡之外的架构说明有限，训练数据构成、对齐方法等细节公开资料较少，实际部署前建议以官方权重仓库的说明为准。

开源权重

是

许可证

other

参数规模

2.6B

缺少公开跑分，性能只能做定性判断：小参数加长上下文是它的基本盘，重推理不是。

• 强项2.6B 规模带来较低的单次推理开销，配合 128K 上下文，在长文本摘要、抽取、分类等任务上性价比较好。
• 短板参数量决定了复杂多步推理、长链数学与高质量代码生成的上限，与同系列更大参数型号相比通常处于劣势。
• 适合任务边界清晰、输出格式相对固定的文本处理流程，例如批量归并要点、字段填充，而非开放式创作或难题求解。

官方价格页未公开，目前只能参考对比表内的单点报价，横向比价条件不足。

• 定位对比表给出输入 $0.35/M、输出 $0.5/M 的参考价，落在小参数模型的常见价位区间，输出单价高于输入。
• 横向对比同系列 LFM2.5-8B-A1B、LFM2 24B A2B、LFM 40B、LFM2 2.6B 均未标注价格，无法计算彼此价差。
• 平台差价暂无平台上架该模型，缺少多家渠道报价，短期内难以做跨平台的价格比较。
• 省钱权重开源，可按 other 许可证自行部署以规避按 token 计费，实际成本取决于自有硬件与运维投入，公开资料未给量化口径。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径能力项为「未标注」，本站未记录公开跑分，任何性能结论都只能停留在定性描述，不能引用具体分数。
• 边界许可证为 other，商用、再分发与衍生模型发布前需逐条核对条款；纯文本模态也意味着图像、音频类需求不在覆盖范围内。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。