Liquid AI تطرح LFM2.5-2.6B: وكلاء ذكاء اصطناعي محليون على Raspberry Pi

مقدمة تحليلية

بتاريخ 6 أغسطس 2026، أطلقت Liquid AI، الشركة الناشئة في مجال الذكاء الاصطناعي التي تأسست في عام 2023، نموذج LFM2.5-2.6B. هذا النموذج اللغوي مفتوح الأوزان، والذي يضم 2.6 مليار معامل، صمم خصيصاً لأعباء العمل الوكيلة، ويعمل بالكامل على الأجهزة المحلية، بدءاً من الهواتف الذكية وأجهزة الكمبيوتر المحمولة وصولاً إلى جهاز Raspberry Pi، دون الاعتماد على استنتاجات السحابة أو وحدات معالجة الرسوميات (GPUs). هذه القدرة تفتح آفاقاً جديدة لتطبيقات الذكاء الاصطناعي على الحافة وتوفر خيارات حاسمة للمؤسسات العاملة في الصناعات الخاضعة للوائح التنظيمية أو التي تتعامل مع معلومات حساسة لا ترغب في إرسالها إلى السحابة. يعد النموذج مناسباً للمهام الوكيلة عالية الحجم والمحددة جيداً مثل استدعاء الأدوات وإدارة المستندات وأتمتة التقويم وسير العمل، بالإضافة إلى الروتينيات الخلفية الدائمة التشغيل.

التحليل التقني

يحتوي نموذج LFM2.5-2.6B على 2.6 مليار معامل ويدعم نافذة سياق تصل إلى 128,000 رمز، ويتضمن قدرة استدعاء الأدوات الأصلية. يشير الاسم إلى جيل النموذج (2.5) وعدد المعاملات (2.6B). يتوفر النموذج المُدرب مسبقاً ونقطة التفتيش الأساسية (LFM2.5-2.6B-Base) للمطورين على Hugging Face، مع دعمStacks الاستدلالية الرئيسية مثل llama.cpp وMLX وvLLM وSGLang وONNX. كما تقدم Liquid AI إطار عمل مفتوح المصدر للضبط الدقيق باسم LEAP على GitHub (Liquid4All/leap-finetune).

تركز الشركة على أن LFM2.5-2.6B ليس منافساً لنماذج الواجهة الأكبر، بل يهدف إلى إطلاق فئات من تطبيقات المؤسسات حيث تكون زمن الاستجابة والخصوصية ومرونة النشر وتكاليف الاستدلال أكثر أهمية من الريادة المطلقة في المعايير. أوضح ماكسيم لابون، رئيس مرحلة ما بعد التدريب في Liquid AI، أن البنية المعمارية الأساسية للنموذج LFM2 صُممت حول الأداء الفعلي لوحدات المعالجة المركزية (CPUs) بدلاً من معايير وحدات معالجة الرسوميات.

الأداء والمواصفات

• ذاكرة الاستهلاك: أقل من 2.5 جيجابايت.
• الإنتاجية على Apple M5 Max: حوالي 220 رمزاً في الثانية.
• الإنتاجية على AMD Ryzen AI Max+ 395: حوالي 113 رمزاً في الثانية.
• الإنتاجية على الهاتف الذكي: حوالي 30 رمزاً في الثانية (يمكن للمستخدمين تجربة النماذج عبر تطبيق Apollo).
• الإنتاجية على Nvidia H100 GPU: حوالي 15,000 رمز إخراج في الثانية تحت الحمل المتزامن المستدام، أي ما يقرب من 1.3 مليار رمز يومياً على بطاقة واحدة.

هذه الأرقام هي معايير داخلية من البائع ولم يتم التحقق منها بشكل مستقل. تم تدريب النموذج مسبقاً على ما يقرب من 34 تريليون رمز، مع مضاعفة المفردات إلى 128 ألفاً لدعم أفضل للغات غير اللاتينية. تضمنت مرحلة ما بعد التدريب أربع مراحل: الضبط الدقيق تحت الإشراف، تخصص المعلم (Teacher Specialization)، تقطير السياسات متعددة المجالات (MOPD)، وأخيراً التعلم المعزز الوكيلي، حيث تم تدريب النموذج مباشرة داخل أطر عمل وكيلة إنتاجية مثل Hermes Agent وOpenClaw.

السياق وتأثير السوق

يمثل LFM2.5-2.6B اتجاهاً متخصصاً مقارنة بالمنافسين الرئيسيين. في حين أن نماذج Google's Gemma 4 (E2B بـ 5.1 مليار معامل وE4B بـ 8 مليارات معامل) وAlibaba's Qwen3.5 (4B بـ 4.7 مليار معامل و9B بـ 9.7 مليار معامل) هي نماذج عامة متعددة الوسائط (multimodal)، فإن LFM2.5-2.6B يركز على النص فقط وكثيف ومتخصص في العمل الوكيلي. هذا التخصص سمح له بتحقيق نتائج متفوقة في مهام محددة.

المقارنة مع المنافسين

* المهام الوكيلة: Liquid AI's LFM2.5-2.6B يتصدر جميع معايير متابعة التعليمات (IFBench, Multi-IF, IFStruct) ومعظم معايير استخدام الأدوات (77.83 على ToolSandbox مقابل 76.44 لـ Qwen3.5-9B، وهو نموذج أكبر بنحو أربع مرات). ويحقق Model 26.89 على BrowseComp+ مقابل 27.23 لـ Qwen3.5-9B. كما يسجل أفضل نتيجة على AA Omniscience، وهو معيار للمعرفة يعاقب الهلوسة. * السرعة: في اختبار منفصل أجرته منصة عملاء الذكاء الاصطناعي المحلية Atomic Chat، أكمل LFM2.5-2.6B 35 استدعاء أداة لإنجاز ثلاث مهام (التحقق من الطقس والوقت المحلي في ست مدن، تحويل ميزانية واحدة إلى ست عملات، التحقق من أربعة فنادق والحجز لتاريخ) أسرع بـ 3.7 مرة من DeepSeek-V4-Flash (الذي يحتوي على 284 مليار معامل). * الرياضيات والبرمجة: نماذج Qwen تحافظ على الأفضلية حيث يتركز تدريبها، مثل الرياضيات (Qwen3.5-9B يتصدر AIME25) والبرمجة (LiveCodeBench v6)، لكن الفجوة تقل عن حجم المعاملات.

تختلف تراخيص LFM2.5-2.6B عن المنافسين؛ بينما تشحن Gemma 4 وQwen3.5 بترخيص Apache 2.0 المتساهل وDeepSeek-V4-Flash بترخيص MIT، فإن Liquid AI تستخدم ترخيص LFM Open License v1.0. هذا الترخيص يسمح بالاستخدام التجاري للمنظمات التي يقل إيرادها السنوي عن 10 ملايين دولار، بينما تتطلب الشركات الأكبر ترتيباً منفصلاً مع Liquid AI. في شراكة استراتيجية، أعلنت MacPaw، الشركة الأوكرانية لبرامج CleanMyMac وSetapp، عن تعاون طويل الأمد مع Liquid AI لبناء مكدس ذكاء اصطناعي على الجهاز لنظام Mac، باستخدام نموذج Liquid AI ضمن مساعد Eney الخاص بها.

رؤية Glitch4Techs

إن نموذج LFM2.5-2.6B من Liquid AI يمثل إنجازاً تقنياً ملموساً في مجال الذكاء الاصطناعي على الحافة، خاصة في قدرته على تشغيل وكلاء ذكاء اصطناعي فعالين على أجهزة محدودة الموارد مثل Raspberry Pi وبأداء منافس لنماذج أكبر بكثير في مهام وكيلية محددة. ومع ذلك، فإن نموذج الترخيص الخاص بالشركة، الذي يفرض عتبة إيرادات سنوية تبلغ 10 ملايين دولار، يمثل عائقاً جوهرياً أمام تبنيه على نطاق واسع في المؤسسات الكبيرة. في سوق تتزايد فيه المنافسة وتوفر النماذج البديلة مثل Google Gemma 4 وAlibaba Qwen3.5 تراخيص Apache 2.0 المتساهلة، فإن الاحتكاك القانوني هذا قد يدفع الشركات الكبرى نحو حلول أقل تعقيداً في شروط الاستخدام، مما يقلل من الانتشار المحتمل لـ LFM2.5-2.6B في بيئات المؤسسات الأكثر ربحية التي تسعى إليها Liquid AI. إن المزايا التقنية وحدها لا تكفي لتجاوز حواجز الأعمال الواضحة.