# Liquid AI LFM2.5-2.6B: Lokale KI-Agenten für Smartphones > Liquid AI LFM2.5-2.6B bringt 2026 agentische Funktionen direkt auf das Smartphone. Lesen Sie alles zu Benchmarks, Tool-Calling und On-Device-Performance. - URL: https://thevibe-coding.de/modelle/liquid-ai-lfm-2-5-2-6b-modell-steckbrief - Typ: modelle | Veroeffentlicht: 2026-08-05 | Aktualisiert: 2026-08-05 - Autor: Vita Legne | Site: VIBE CODING — thevibe-coding.de --- Das LFM2.5-2.6B ist ein kompaktes Sprachmodell aus der LFM2.5-Familie von Liquid AI, das speziell für das On-Device-Deployment und agentische Workflows entwickelt wurde. Da [Datenschutz](/guides/claude-code-dsgvo-konform-einrichten) und Latenz kritische Faktoren moderner Softwarearchitektur sind, dient dieses Modell als effiziente Lösung für die [lokale Ausführung](/guides/lokale-llm-inferenz-optimieren-llama-cpp-2026) auf Hardware mit begrenztem Speicher. Als Open-Weight-Modell erlaubt es Entwicklern, KI-Anwendungen ohne Cloud-Zwang zu realisieren. ## Überblick und Architektur Liquid AI LFM2.5-2.6B nutzt eine hybride LFM2-Architektur, die durch ein erweitertes Vortraining und ein spezialisiertes Post-Training für komplexe Aufgaben optimiert wurde. Das Modell verfügt über insgesamt 2,69 Milliarden Parameter und wurde mit einem Trainingsbudget von 34 Billionen [Tokens](/glossar/token) trainiert. Ein markantes Merkmal ist das Vokabular von 128.000 Tokens, das eine breite Mehrsprachigkeit abdeckt und explizit die deutsche Sprache unterstützt. Das System dient nicht nur der reinen Textgenerierung. Es ist darauf getrimmt, Aufgaben zu planen und Werkzeuge eigenständig aufzurufen. Damit setzt es sich von klassischen Modellen ab, die bei mehrstufigen logischen Abfolgen oft scheitern. Weitere Details zur strategischen Ausrichtung finden sich im Artikel [Liquid AI: LFM2.5-2.6B bringt lokale KI-Agenten auf Smartphones](https://thevibe-coding.de/news/liquid-ai-lfm2-5-2-6b-lokale-ki-agenten-on-device). ## Stärken und Funktionsumfang Die Relevanz des Liquid AI LFM2.5-2.6B ergibt sich aus der Fähigkeit, agentische Workflows lokal auszuführen. Während viele Modelle dieser Größenklasse lediglich für einfache Chat-Aufgaben taugen, beherrscht das LFM2.5-2.6B natives Tool-Calling. * **Lokale Souveränität:** Die Ausführung erfolgt vollständig auf der Hardware des Nutzers, was die Vertraulichkeit der Daten sichert. * **Umfangreiches Kontextfenster:** Mit 131.072 Tokens (128k) verarbeitet das Modell lange Dokumente oder komplexe Agenten-Prompts ohne Informationsverlust. * **Ressourceneffizienz:** Der Speicherbedarf bleibt unter 2,5 GB. Damit findet das Modell auf modernen Mobilgeräten und Mittelklasse-Laptops problemlos Platz. * **Optimierung für Europa:** Durch die Berücksichtigung verschiedener Sprachen eignet es sich für den hiesigen Markt. ## Benchmarks und Performance-Daten Die Leistungsfähigkeit zeigt sich in der Verarbeitungsgeschwindigkeit auf aktuellen Hardware-Plattformen. Die von Liquid AI veröffentlichten Werte verdeutlichen, dass lokale KI im Jahr 2026 keine Geduldsprobe mehr darstellt. | Hardware-Plattform | Geschwindigkeit (ca.) | | ------------------ | --------------------- | | Apple M5 Max | 220 Tokens/s | | Ryzen AI Max+ 395 | 113 Tokens/s | | Modernes Smartphone | 30 Tokens/s | In Tests zur Instruktionstreue und zur Nutzung von Werkzeugen (Tool-Use) konkurriert das Modell mit deutlich größeren Systemen. Es übertrifft teils Modelle mit einem Vielfachen an Parametern, was die Effizienz der hybriden Architektur belegt. ## Einordnung für die Entwicklung in Deutschland Für deutsche Entwickler ergeben sich konkrete Einsatzszenarien beim On-Device-[RAG (Retrieval Augmented Generation)](/glossar/rag) oder für mobile Begleiter. Da das Modell Deutsch nativ unterstützt, entfallen Qualitätseinbußen, die bei englisch-zentrierten Modellen oft auftreten. Wer private Assistenzsysteme oder datensensitive Workflows für Unternehmen baut, findet hier ein Werkzeug an der Schnittstelle zwischen Kompaktheit und Intelligenz. Für rechenintensive Aufgaben, wie das Schreiben von Code in massiven Repositorys oder tiefgreifende Analysen, sind Schwergewichte weiterhin überlegen. Für die alltägliche Interaktion und Automatisierung auf dem Endgerät bietet das LFM2.5-2.6B jedoch eine ausgewogene Balance. Das Modell eignet sich ideal für: - Mobile Apps mit integrierter, lokaler KI. - Desktop-Anwendungen für privates Dokumenten-Management. - Mehrstufige [Agenten-Systeme](/glossar/ai-agent), die externe APIs oder lokale Skripte ansteuern. Weniger geeignet ist es für massive Coding-Stacks, bei denen jedes Detail einer riesigen Codebase gleichzeitig im Fokus stehen muss und Präzision Vorrang vor der Ausführungsgeschwindigkeit hat. ## FAQ ### Was macht das Liquid AI LFM2.5-2.6B Modell besonders? Dieses Modell nutzt eine hybride LFM2-Architektur mit 2,69 Milliarden Parametern für effiziente agentische Workflows direkt auf dem Endgerät. Liquid AI optimiert das System speziell für lokales Tool-Calling und eine geringe Latenz bei minimalem Speicherverbrauch. ### Welche Hardware-Voraussetzungen gelten für den Betrieb des Modells? Moderne Smartphones und Mittelklasse-Laptops reichen für die Ausführung aus, da der Speicherbedarf unter 2,5 GB liegt. Apple M5 Max Chips erreichen dabei Geschwindigkeiten von bis zu 220 Tokens pro Sekunde, während aktuelle Mobilgeräte etwa 30 Tokens pro Sekunde leisten. ### Wie unterstützt das Modell den Datenschutz und die Mehrsprachigkeit? Die lokale Ausführung als Open-Weight-Modell garantiert die Datensouveränität ohne Cloud-Zwang für vertrauliche Informationen. Ein Vokabular von 128.000 Tokens stellt sicher, dass die deutsche Sprache sowie andere europäische Sprachen nativ und ohne Qualitätsverlust unterstützt werden. ### Für welche Einsatzszenarien ist das LFM2.5-2.6B am besten geeignet? Mobile Applikationen mit integrierter KI und lokale Dokumenten-Management-Systeme profitieren massiv von der kompakten Intelligenz des Modells. Entwickler setzen es bevorzugt für mehrstufige Agenten-Systeme und On-Device-RAG ein, um externe APIs oder lokale Skripte sicher anzusteuern. ## Quellen - [thevibe-coding.de](https://thevibe-coding.de/news/liquid-ai-lfm2-5-2-6b-lokale-ki-agenten-on-device) — thevibe-coding.de - [huggingface.co](https://huggingface.co/LiquidAI/LFM2.5-2.6B-Base) — huggingface.co - [ai-tldr.dev](https://ai-tldr.dev/releases/liquidai-lfm2-5-2-6b/) — ai-tldr.dev - [alphasignal.ai](https://alphasignal.ai/news/liquid-ai-s-lfm2-5-2-6b-beats-9b-models-running-entirely-on-your-phone) — alphasignal.ai - [gigazine.net](https://gigazine.net/gsc_news/en/20260805-lfm2-5-2-6b/) — gigazine.net - [docs.liquid.ai](https://docs.liquid.ai/lfm/models/complete-library) — docs.liquid.ai - [liquid.ai](https://www.liquid.ai/blog/introducing-lfm2-5-the-next-generation-of-on-device-ai) — liquid.ai - [benchlm.ai](https://benchlm.ai/models/lfm2-5-2-6b) — benchlm.ai - [docs.liquid.ai](https://docs.liquid.ai/lfm/models/text-models) — docs.liquid.ai - [docs.vllm.ai](https://docs.vllm.ai/projects/recipes/en/latest/LiquidAI/LFM2.5.html) — docs.vllm.ai - [llmtimeline.org](https://llmtimeline.org/liquid-ai) — llmtimeline.org - [arxiv.org](https://arxiv.org/html/2511.23404v1) — arxiv.org - [youtube.com](https://www.youtube.com/watch?v=GOyp0E4rGK4) — youtube.com - [youtube.com](https://www.youtube.com/watch?v=UlxdRF9_EXc) — youtube.com