# Liquid AI: LFM2.5-2.6B bringt lokale KI-Agenten auf Smartphones > LFM2.5-2.6B ist ein kompaktes 2,6B-Modell für lokale KI-Agenten. Mit 128K Kontext und Tool-Calling schlägt es 2026 größere Modelle wie Gemma und Qwen deutlich. - URL: https://thevibe-coding.de/news/liquid-ai-lfm2-5-2-6b-lokale-ki-agenten-on-device - Typ: news | Veroeffentlicht: 2026-08-05 | Aktualisiert: 2026-08-05 - Autor: Vita Legne | Site: VIBE CODING — thevibe-coding.de --- Liquid AI hat kürzlich LFM2.5-2.6B vorgestellt, ein kompaktes KI-Modell, das speziell für den Einsatz als [lokaler Agent](/glossar/ai-agent) auf Endgeräten konzipiert wurde. Mit lediglich 2,6 Milliarden Parametern bewältigt das System komplexe, mehrstufige Aufgaben direkt auf Smartphones oder Laptops, ohne Umweg über eine Cloud-API. Die Entwicklung markiert einen deutlichen Fortschritt in der Effizienz von Edge-KI im Jahr 2026. ## Technische Spezifikationen und Training der LFM-Architektur Das LFM2.5-2.6B-Modell basiert auf einem Datensatz von etwa 34 Billionen [Token](/glossar/token). Um die Vielseitigkeit zu erhöhen, wurde das Vokabular auf 128.000 Token erweitert, während das Kontextfenster ebenfalls 128.000 Token (128K) umfasst. Diese Kapazität erlaubt es, umfangreiche Dokumente oder lange Code-Dateien in einem Durchgang zu verarbeiten – eine Grundvoraussetzung für agentische Workflows. Der Prozess der Feinabstimmung bricht mit klassischen Methoden. Liquid AI setzte spezialisierte Expertenmodelle ein, um gezielt Fähigkeiten in Mathematik, Programmierung und Tool-Nutzung zu schärfen. Diese Kenntnisse wurden mittels On-Policy Distillation in das kompakte Modell übertragen. Die finale Optimierung fand in realen Agenten-Umgebungen wie [Hermes Agent](/tools/hermes-agent-computer-use-guide-2026) und [OpenClaw](/guides/openclaw-ki-assistent-telegram-einrichten) statt. So wird sichergestellt, dass LFM2.5-2.6B Aktionen präzise planen und externe Werkzeuge souverän ansteuern kann. ## Performance-Metriken und Hardware-Anforderungen Ein zentraler Vorteil liegt in der hohen Geschwindigkeit bei geringem Ressourcenverbrauch. Bei der Ausführung auf einer CPU bleibt die Speicherauslastung unter 2,5 GB RAM, was die Nutzung auf gängigen Consumer-Geräten ermöglicht. Liquid AI liefert dazu Durchsatzraten für verschiedene Hardware-Konfigurationen. | Hardware-Plattform | Performance / Durchsatz | | ------------------ | ----------------------- | | Apple M5 Max | bis zu 220 Token/s | | Ryzen AI Max+ 395 | bis zu 113 Token/s | | Modernes Smartphone | ca. 30 Token/s | | NVIDIA H100 (Parallel) | ca. 15.000 Output-Token/s | Diese Zahlen verdeutlichen, dass lokale KI-Agenten mittlerweile eine Performance erreichen, die eine flüssige Interaktion in Echtzeit erlaubt. Besonders der Wert von 30 Token pro Sekunde auf einem Smartphone stellt sicher, dass komplexe Anfragen unterwegs ohne Verzögerung verarbeitet werden. ## Benchmarks und Verfügbarkeit für Entwickler In direkten Vergleichen zeigt LFM2.5-2.6B seine Stärken bei der Befolgung von Instruktionen und der Nutzung von Tools. Hier übertrifft das Modell laut Herstellerangaben größere Konkurrenten wie Gemma oder Qwen in mehreren Disziplinen. Lediglich bei hochkomplexen Programmieraufgaben behalten massiv größere Modelle einen Vorsprung. Dennoch positioniert sich Liquid AI als Alternative für Entwickler, die Wert auf Datenschutz und Unabhängigkeit von Internetverbindungen legen. Liquid AI stellt das Modell in verschiedenen Versionen zur Verfügung. Neben einer Basis-Variante gibt es eine für Anweisungen optimierte Chat-Version (Instruct). Die Modelle sind als Open-Weight-Versionen verfügbar und unterstützen gängige Frameworks: * [llama.cpp](/guides/lokale-llm-inferenz-optimieren-llama-cpp-2026) und MLX für Apple-Hardware * vLLM und SGLang für Server-Deployments * ONNX für die plattformübergreifende Integration Weitere Details und die vollständige Ankündigung finden sich im Blog von [liquid.ai](https://www.liquid.ai/blog/lfm2-5-2-6b). ## FAQ ### Was macht das LFM2.5-2.6B Modell von Liquid AI besonders? Dieses kompakte KI-Modell ermöglicht komplexe, mehrstufige Aufgaben direkt auf Endgeräten wie Smartphones oder Laptops ohne Cloud-Anbindung. Liquid AI nutzt eine effiziente Architektur mit 2,6 Milliarden Parametern, die speziell für den Einsatz als lokaler Agent optimiert wurde. ### Wie hoch ist die Performance von LFM2.5-2.6B auf verschiedenen Geräten? Die Durchsatzraten reichen von circa 30 Token pro Sekunde auf modernen Smartphones bis hin zu 220 Token pro Sekunde auf einem Apple M5 Max. Liquid AI stellt damit sicher, dass du lokale KI-Interaktionen flüssig und in Echtzeit auch ohne leistungsstarke Server-Hardware nutzen kannst. ### Welche Hardware-Voraussetzungen gelten für den Betrieb des Modells? LFM2.5-2.6B benötigt bei der Ausführung auf einer CPU weniger als 2,5 GB RAM und ist damit für gängige Consumer-Geräte geeignet. Du kannst das Modell über verschiedene Frameworks wie llama.cpp, MLX oder ONNX auf deiner Hardware integrieren. ### Wie wurde das Modell für agentische Aufgaben trainiert? Liquid AI kombinierte einen Datensatz von 34 Billionen Token mit spezialisierten Expertenmodellen für Mathematik und Programmierung. Die finale Optimierung erfolgte mittels On-Policy Distillation in realen Umgebungen wie Hermes Agent oder OpenClaw, um eine präzise Planung von Aktionen zu gewährleisten. ## Quellen - [liquid.ai](https://www.liquid.ai/blog/lfm2-5-2-6b) — liquid.ai - [docs.liquid.ai](https://docs.liquid.ai/lfm/models/lfm25-2.6b) — docs.liquid.ai - [huggingface.co](https://huggingface.co/LiquidAI/LFM2.5-2.6B) — huggingface.co - [alphasignal.ai](https://alphasignal.ai/news/liquid-ai-s-lfm2-5-2-6b-beats-9b-models-running-entirely-on-your-phone) — alphasignal.ai - [finance.yahoo.com](https://finance.yahoo.com/technology/ai/articles/liquid-ai-2-69b-model-013716912.html) — finance.yahoo.com - [developer.puter.com](https://developer.puter.com/ai/liquid/lfm-2.2-6b/) — developer.puter.com - [youtube.com](https://www.youtube.com/watch?v=6VapZ-p6x9E) — youtube.com - [arxiv.org](https://arxiv.org/html/2511.23404v1) — arxiv.org - [docs.liquid.ai](https://docs.liquid.ai/lfm/models/text-models) — docs.liquid.ai - [huggingface.co](https://huggingface.co/LiquidAI/LFM2-2.6B) — huggingface.co - [liquid.ai](https://www.liquid.ai/models) — liquid.ai - [huggingface.co](https://huggingface.co/LiquidAI) — huggingface.co - [reddit.com](https://www.reddit.com/r/LocalLLaMA/comments/1nprim2/introducing_lfm226b_redefining_efficiency_in/) — reddit.com - [youtube.com](https://www.youtube.com/watch?v=GOyp0E4rGK4) — youtube.com