💧Liquid LFM2.5: Wie man ausführt & finetunt

Führe und finetune LFM2.5 Instruct und Vision lokal auf deinem Gerät!

Liquid AI veröffentlicht LFM2.5, einschließlich ihres instruct und vision Modells. LFM2.5-1.2B-Instruct ist ein Hybrid-Reasoning-Modell mit 1,17 Mrd. Parametern, trainiert auf 28T Tokens und RL und liefert erstklassige Leistung im 1B-Bereich für Instruktionsbefolgung, Tool-Nutzung und agentische Aufgaben. Siehe Hugging Face Jobs zur Verwendung von Codex zum Training von LFM!

LFM2.5 läuft mit weniger als 1GB RAM und erreicht 239 tok/s Dekodierung auf AMD-CPU. Sie können es auch feinabstimmen lokal mit Unsloth.

Text LFM2.5-InstructVision LFM2.5-VL

Dynamische GGUFs	16-Bit Instruct
LFM2.5-1.2B-Instruct-GGUF	LFM2.5-1.2B-Instruct

Modellspezifikationen:

• Parameter: 1,17 Mrd.

• Architektur: 16 Schichten (10 doppelt-gegate LIV-Faltungsblöcke + 6 GQA-Blöcke)

• Trainingsbudget: 28T Tokens

• Kontextlänge: 32.768 Tokens

• Vokabulargröße: 65,536

• Sprachen: Englisch, Arabisch, Chinesisch, Französisch, Deutsch, Japanisch, Koreanisch, Spanisch

⚙️ Gebrauchsanleitung

Liquid AI empfiehlt diese Einstellungen für Inferenz:

• temperature = 0.1

• top_k = 50

• top_p = 0.1

• repetition_penalty = 1.05

• Maximale Kontextlänge: 32,768

Chat-Vorlagenformat

LFM2.5 verwendet ein ChatML-ähnliches Format:

tokenizer.apply_chat_template([
    {"role": "system", "content": "You are a helpful assistant trained by Liquid AI."},
    {"role": "user", "content": "What is C. elegans?"},
], add_generation_prompt=True, tokenize=False)

LFM2.5 Chat-Vorlage:

<|startoftext|><|im_start|>system
You are a helpful assistant trained by Liquid AI.<|im_end|>
<|im_start|>user
What is C. elegans?<|im_end|>
<|im_start|>assistant

Tool-Verwendung

LFM2.5 unterstützt Funktionsaufrufe mit speziellen Tokens <|tool_call_start|> und <|tool_call_end|>. Stellen Sie Werkzeuge als JSON-Objekt im System-Prompt bereit:

<|startoftext|><|im_start|>system
Liste der Werkzeuge: [{"name": "get_weather", "description": "Gets the current weather", "parameters": {"type": "object", "properties": {"city": {"type": "string"}}}}]<|im_end|>
<|im_start|>user
Wie ist das Wetter in Paris?<|im_end|>
<|im_start|>assistant
<|tool_call_start|>[get_weather(city="Paris")]<|tool_call_end|>

🖥️ LFM2.5-1.2B-Instruct ausführen

📖 llama.cpp Tutorial (GGUF)

1. Bauen Sie llama.cpp

Beschaffen Sie sich das neueste llama.cpp von GitHub. Ändern Sie -DGGML_CUDA=ON zu -DGGML_CUDA=OFF falls Sie keine GPU haben. Für Apple Mac / Metal-Geräte, setzen Sie -DGGML_CUDA=OFF und fahren dann wie gewohnt fort - Metal-Unterstützung ist standardmäßig aktiviert.

apt-get update
apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y
git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build \
    -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON -DLLAMA_CURL=ON
cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-server
cp llama.cpp/build/bin/llama-* llama.cpp

2. Direkt von Hugging Face ausführen

./llama.cpp/llama-cli \
    -hf LiquidAI/LFM2.5-1.2B-Instruct-GGUF:Q4_K_M \
    --jinja --ctx-size 32768 \
    --temp 0.1 --top-k 50 --top-p 0.1 --repeat-penalty 1.05

3. Oder zuerst das Modell herunterladen

import os
os.environ["HF_HUB_ENABLE_HF_TRANSFER"] = "1"
from huggingface_hub import snapshot_download
snapshot_download(
    repo_id="LiquidAI/LFM2.5-1.2B-Instruct-GGUF",
    local_dir="LiquidAI/LFM2.5-1.2B-Instruct-GGUF",
    allow_patterns=["*Q4_K_M*"],
)

4. Im Konversationsmodus ausführen

./llama.cpp/llama-cli \
    --model LiquidAI/LFM2.5-1.2B-Instruct-GGUF/LFM2.5-1.2B-Instruct-Q4_K_M.gguf \
    --ctx-size 32768 \
    --n-gpu-layers 99 \
    --seed 3407 \
    --prio 2 \
    --temp 0.1 \
    --top-k 50 \
    --top-p 0.1 \
    --repeat-penalty 1.05 \
    --jinja

🦥 Feinabstimmung von LFM2.5 mit Unsloth

Unsloth unterstützt die Feinabstimmung von LFM2.5-Modellen. Das 1,2B-Modell passt problemlos auf eine kostenlose Colab T4 GPU. Das Training ist 2x schneller bei 50% weniger VRAM.

Kostenloses Colab-Notebook:

• LFM2.5-1.2B-Instruct SFT LoRA Notebook

• LFM2.5-1.2B-Instruct GRPO LoRA Notebook

• LFM2.5-1.2B-Base Fortgesetztes Pretraining (Textvervollständigung) Notebook

• LFM2.5-1.2B-Base Fortgesetztes Pretraining (Übersetzung) Notebook

LFM2.5 wird für agentische Aufgaben, Datenauszug, RAG und Tool-Nutzung empfohlen. Es wird nicht für wissensintensive Aufgaben oder Programmierung empfohlen.

Unsloth-Konfiguration für LFM2.5

from unsloth import FastLanguageModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="LiquidAI/LFM2.5-1.2B-Instruct",
    max_seq_length=4096,
    load_in_4bit=False,
)

model = FastLanguageModel.get_peft_model(
    model,
    r=16,
    target_modules = ["q_proj", "k_proj", "v_proj", "out_proj", "in_proj",
                      "w1", "w2", "w3"],
    lora_alpha=16,
    lora_dropout=0,
    bias="none",
    use_gradient_checkpointing="unsloth",
    random_state=3407,
)

Trainingsaufbau

from trl import SFTTrainer
from transformers import TrainingArguments
from unsloth import is_bfloat16_supported

trainer = SFTTrainer(
    model=model,
    tokenizer=tokenizer,
    train_dataset=dataset,
    dataset_text_field="text",
    max_seq_length=4096,
    dataset_num_proc=2,
    packing=False,
    args=TrainingArguments(
        per_device_train_batch_size=2,
        gradient_accumulation_steps=4,
        warmup_steps=5,
        max_steps=60,
        learning_rate=2e-4,
        fp16=not is_bfloat16_supported(),
        bf16=is_bfloat16_supported(),
        logging_steps=1,
        optim="adamw_8bit",
        weight_decay=0.01,
        lr_scheduler_type="linear",
        seed=3407,
        output_dir="outputs",
    ),
)

trainer.train()

Speichern und Exportieren

# LoRA-Adapter speichern
model.save_pretrained("lfm25_lora")
tokenizer.save_pretrained("lfm25_lora")

# Zusammenführen und als 16bit speichern
model.save_pretrained_merged("lfm25_merged", tokenizer, save_method="merged_16bit")

# Export nach GGUF
model.save_pretrained_gguf("lfm25_gguf", tokenizer, quantization_method="q4_k_m")

🎉 llama-server Serving & Deployment

Um LFM2.5 für die Produktion mit einer OpenAI-kompatiblen API bereitzustellen:

./llama.cpp/llama-server \
    --model LiquidAI/LFM2.5-1.2B-Instruct-GGUF/LFM2.5-1.2B-Instruct-Q4_K_M.gguf \
    --alias "LiquidAI/LFM2.5-1.2B-Instruct" \
    --threads -1 \
    --n-gpu-layers 99 \
    --ctx-size 32768 \
    --port 8001 \
    --temp 0.1 \
    --top-k 50 \
    --top-p 0.1 \
    --repeat-penalty 1.05 \
    --jinja

Testen mit dem OpenAI-Client:

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:8001/v1",
    api_key="sk-no-key-required",
)

completion = client.chat.completions.create(
    model="LiquidAI/LFM2.5-1.2B-Instruct",
    messages=[{"role": "user", "content": "What is 2+2?"}],
)
print(completion.choices[0].message.content)

📊 Benchmarks

LFM2.5-1.2B-Instruct bietet erstklassige Leistung im 1B-Bereich und bietet schnelle CPU-Inferenz bei geringem Speicherverbrauch:

💧 Liquid LFM2.5-1.2B-VL Anleitung

LFM2.5-VL-1.6B ist ein Vision-LLM aufgebaut auf LFM2.5-1.2B-Base und für stärkere Leistung in der realen Welt abgestimmt. Sie können es jetzt feinabstimmen lokal mit Unsloth.

AusführungsanleitungFeinabstimmungsanleitung

Dynamische GGUFs	16-Bit Instruct
LFM2.5-VL-1.6B-GGUF	LFM2.5-VL-1.6B

Modellspezifikationen:

• LM-Backbone: LFM2.5-1.2B-Base

• Vision-Encoder: SigLIP2 NaFlex formoptimierter 400M

• Kontextlänge: 32.768 Tokens

• Vokabulargröße: 65,536

• Sprachen: Englisch, Arabisch, Chinesisch, Französisch, Deutsch, Japanisch, Koreanisch und Spanisch

• Native Auflösungsverarbeitung: Verarbeitet Bilder bis 512×512 Pixel ohne Upscaling und bewahrt nicht-standardmäßige Seitenverhältnisse ohne Verzerrung

• Kachelstrategie: Teilt große Bilder in nicht-überlappende 512×512-Patches und enthält Thumbnail-Encoding für globalen Kontext

• Flexibilität zur Inferenzzeit: Benutzeranpassbare maximale Bild-Tokens und Kachelanzahl für Geschwindigkeits-/Qualitätskompromisse ohne erneutes Training

⚙️ Gebrauchsanleitung

Liquid AI empfiehlt diese Einstellungen für Inferenz:

• Text: temperature=0.1, min_p=0.15, repetition_penalty=1.05

• Vision: min_image_tokens=64, max_image_tokens=256, do_image_splitting=True

Chat-Vorlagenformat

LFM2.5-VL verwendet ein ChatML-ähnliches Format:

tokenizer.apply_chat_template([
    {
        "role": "user",
        "content": [
            {"type": "image"},
            {"type": "text", "text": "What's in this image?"}
        ]
    },
    {"role": "assistant", "content": "I can see a cat sitting on a couch."}
], tokenize=False)

LFM2.5-VL Chat-Vorlage:

<|startoftext|><|im_start|>system
You are a helpful multimodal assistant by Liquid AI.<|im_end|>
<|im_start|>user
<image>Beschreiben Sie dieses Bild.<|im_end|>
<|im_start|>assistant
Dieses Bild zeigt einen Caenorhabditis elegans (C. elegans) Nematoden.<|im_end|>

🖥️ LFM2.5-VL-1.6B ausführen

📖 llama.cpp Tutorial (GGUF)

1. Bauen Sie llama.cpp

Holen Sie sich das neueste llama.cpp von GitHub. Ändern Sie -DGGML_CUDA=ON zu -DGGML_CUDA=OFF falls Sie keine GPU haben.

apt-get update
apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y
git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build \
    -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON -DLLAMA_CURL=ON
cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-server
cp llama.cpp/build/bin/llama-* llama.cpp

2. Direkt von Hugging Face ausführen

./llama.cpp/llama-cli \
  -hf LiquidAI/LFM2.5-VL-1.6B-GGUF:Q4_0 \
  --image test_image.jpg \
  --image-max-tokens 64 \
  -p "What's in this image?" \
  -n 128

🦥 Feinabstimmung von LFM2.5-VL mit Unsloth

Unsloth unterstützt die Feinabstimmung von LFM2.5-Modellen. Das 1,6B-Modell passt problemlos auf eine kostenlose Colab T4 GPU. Das Training ist 2x schneller bei 50% weniger VRAM.

Kostenloses Colab-Notebook:

• LFM2.5-VL-1.6B SFT LoRA Notebook

Unsloth-Konfiguration für LFM2.5

from unsloth import FastVisionModel
import torch

model, tokenizer = FastVisionModel.from_pretrained(
    model_name = "LiquidAI/LFM2.5-VL-1.6B",
    max_seq_length = 4096, 
    load_in_4bit = False, 
)

model = FastVisionModel.get_peft_model(
    model,
    finetune_vision_layers     = False, # Vorläufig auf False setzen
    finetune_language_layers   = True, # False, wenn Sprachschichten nicht feinabgestimmt werden
    finetune_attention_modules = True, # False, wenn Aufmerksamkeits-Schichten nicht feinabgestimmt werden
    finetune_mlp_modules       = True, # False, wenn MLP-Schichten nicht feinabgestimmt werden
    r = 16,         
    lora_alpha = 16,
    lora_dropout = 0,
    bias = "none",
)

Trainingsaufbau

from unsloth.trainer import UnslothVisionDataCollator
from trl import SFTTrainer, SFTConfig

FastVisionModel.for_training(model) # Für Training aktivieren!

trainer = SFTTrainer(
    model = model,
    tokenizer = tokenizer,
    data_collator = UnslothVisionDataCollator(model, tokenizer), # Muss verwendet werden!
    train_dataset = converted_dataset,
    args = SFTConfig(
        per_device_train_batch_size = 2,
        gradient_accumulation_steps = 4,
        warmup_steps = 5,
        max_steps = 30,# num_train_epochs = 1, # Setzen Sie dies anstelle von max_steps für vollständiges Training
        learning_rate = 2e-4,
        logging_steps = 1,
        optim = "adamw_8bit",
        weight_decay = 0.001,
        lr_scheduler_type = "linear",
        seed = 3407,
        output_dir = "outputs",
        report_to = "none",     # Für Weights and Biases
        remove_unused_columns = False,
        dataset_text_field = "",
        dataset_kwargs = {"skip_prepare_dataset": True},
        max_length = 2048,
    ),
)

trainer.train()

Speichern und Exportieren

# LoRA-Adapter speichern
model.save_pretrained("lfm25_lora")
tokenizer.save_pretrained("lfm25_lora")

# Zusammenführen und als 16bit speichern
model.save_pretrained_merged("lfm25_merged", tokenizer, save_method="merged_16bit")

# Export nach GGUF
model.save_pretrained_gguf("lfm25_gguf", tokenizer, quantization_method="q4_k_m")

📊 Benchmarks

LFM2.5-VL-1.6B liefert erstklassige Leistung:

Modell	MMStar	MM-IFEval	BLINK	InfoVQA (Val)	OCRBench (v2)	RealWorldQA	MMMU (Val)	MMMB (Durchschnitt)	Mehrsprachiges MMBench (Durchschnitt)
LFM2.5-VL-1.6B	50.67	52.29	48.82	62.71	41.44	64.84	40.56	76.96	65.90
LFM2-VL-1.6B	49.87	46.35	44.50	58.35	35.11	65.75	39.67	72.13	60.57
InternVL3.5-1B	50.27	36.17	44.19	60.99	33.53	57.12	41.89	68.93	58.32
FastVLM-1.5B	53.13	24.99	43.29	23.92	26.61	61.56	38.78	64.84	50.89

📚 Ressourcen

• Liquid AI Blogeintrag

• LFM2 Technischer Bericht (arXiv)

• Liquid AI Dokumentation

• Liquid Playground