[控场AI]
模型LFM2.5

LFM2.5-2.6B

Liquid AI开发的小参数量语言模型，参数量约2.6B，适用于Agent场景下的强化学习训练实验

时间轴 (近 90 天)

10月12日

d1-3B 参数量为 3.12B，视觉编码器是 SigLIP2 NaFlex 形状优化版本（400M），上下文长度 32,768 token，词表 128,000，权重格式为 Safetensors/BF16，基础模型是 LFM2.5-VL-3B（文本骨干与 LFM2.5-2.6B 做了权重平均），许可证为 lfm1.0。

待验证50%
10月6日

在 4 个 harness 上同时训练，Liquid AI 的 LFM2.5-2.6B 模型得分从 42% 提升到 54%

待验证50%
10月6日

通过对用更少步骤完成任务给予小额奖励，工具调用次数减少了 31%

待验证50%

全部知识事实 (3)

待验证

d1-3B 参数量为 3.12B，视觉编码器是 SigLIP2 NaFlex 形状优化版本（400M），上下文长度 32,768 token，词表 128,000，权重格式为 Safetensors/BF16，基础模型是 LFM2.5-VL-3B（文本骨干与 LFM2.5-2.6B 做了权重平均），许可证为 lfm1.0。

50%待验证

在 4 个 harness 上同时训练，Liquid AI 的 LFM2.5-2.6B 模型得分从 42% 提升到 54%

50%待验证

通过对用更少步骤完成任务给予小额奖励，工具调用次数减少了 31%

50%

来源文章

LiquidAI d1-3B 本地部署：不能聊天的视觉决策模型10月12日同一模型得分差29%？多Harness强化学习的开源破局之道10月6日