Hugging Face 發布 LFM2.5-2.6B，主打低預算裝置端 Agent 部署
為何重要
LFM2.5-2.6B 的出現展現了 Edge AI 市場的高效能潛力，擴大了「離線執行」與「隱私優先」的應用範疇，減少了 Cloud Inference 成本，讓企業與開發者能更低成本地在裝置上構建、擴散複雜的 Agent 應用。對於投資人而言，此產品意味著端側運算與起飛中 Agent 技術的結合，反映了市場對「輕量高效」模型日益增長且需客製化的需求，值得持續追蹤相關硬體整合與生態圈發展。
Hugging Face 發布名為 LFM2.5-2.6B 的輕量模型，專為讓開發者可在筆電或行動裝置等 Edge Device 上直接執行全功能 Agent 而設計。其訓練資料來自約 34T Tokens，經過四階段 Agentic RL 微調，具備工具呼叫與多步驟工作流程能力；在硬體效率上，該模型記憶體佔用低於 2.5GB，在 Apple M5 Max 及 Ryzen CPU 上的 decoding 速度分別可達 220 條與 113 條 tokens/s，效能相當於約 4 倍規模的較大型模型。