💧Liquid LFM2.5 : comment l'exécuter et le fine-tuner

Exécutez et fine-tunez LFM2.5 Instruct et Vision localement sur votre appareil !

Liquid AI lance LFM2.5, y compris son instruct et vision modèle. LFM2.5-1.2B-Instruct est un modèle de raisonnement hybride de 1,17 milliard de paramètres entraîné sur 28T tokens et RL, offrant des performances de premier plan à l’échelle 1B pour le suivi d’instructions, l’utilisation d’outils et les tâches agentiques. Voir Hugging Face Jobs sur l’utilisation de Codex pour entraîner LFM !

LFM2.5 fonctionne avec moins de 1 Go de RAM et atteint 239 tok/s de décodage sur CPU AMD. Vous pouvez aussi affiner le faire localement avec Unsloth.

Texte LFM2.5-InstructVision LFM2.5-VL

GGUF dynamiques	Instruct 16 bits
LFM2.5-1.2B-Instruct-GGUF	LFM2.5-1.2B-Instruct

Spécifications du modèle :

• Paramètres: 1,17B

• Architecture: 16 couches (10 blocs de convolution LIV à double porte + 6 blocs GQA)

• Budget d’entraînement: 28T tokens

• Longueur de contexte: 32 768 tokens

• Taille du vocabulaire: 65,536

• Langues: anglais, arabe, chinois, français, allemand, japonais, coréen, espagnol

⚙️ Guide d’utilisation

Liquid AI recommande ces paramètres pour l’inférence :

• temperature = 0.1

• top_k = 50

• top_p = 0.1

• repetition_penalty = 1.05

• Longueur maximale du contexte : 32,768

Format du modèle de chat

LFM2.5 utilise un format de type ChatML :

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)

Modèle de chat LFM2.5 :

<|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

Utilisation d’outils

LFM2.5 prend en charge l’appel de fonctions avec des jetons spéciaux <|tool_call_start|> et <|tool_call_end|>. Fournissez les outils sous forme d’objet JSON dans l’invite système :

<|startoftext|><|im_start|>system
Liste des outils : [{"name": "get_weather", "description": "Obtient la météo actuelle", "parameters": {"type": "object", "properties": {"city": {"type": "string"}}}}]<|im_end|>
<|im_start|>user
Quelle est la météo à Paris ?<|im_end|>
<|im_start|>assistant
<|tool_call_start|>[get_weather(city="Paris")]<|tool_call_end|>

🖥️ Exécuter LFM2.5-1.2B-Instruct

📖 Tutoriel llama.cpp (GGUF)

1. Compiler llama.cpp

Obtenez la dernière version llama.cpp de GitHub. Changez -DGGML_CUDA=ON en -DGGML_CUDA=OFF si vous n’avez pas de GPU. Pour les appareils Apple Mac / Metal, définissez -DGGML_CUDA=OFF puis continuez normalement - la prise en charge de Metal est activée par défaut.

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. Exécuter directement depuis Hugging Face

./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. Ou téléchargez d’abord le modèle

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. Exécutez en mode conversation

./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

🦥 Fine-tuning de LFM2.5 avec Unsloth

Unsloth prend en charge le fine-tuning des modèles LFM2.5. Le modèle 1,2B tient confortablement sur un GPU T4 Colab gratuit. L’entraînement est 2 fois plus rapide avec 50 % de VRAM en moins.

Notebook Colab gratuit :

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

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

• Notebook de pré-entraînement continu LFM2.5-1.2B-Base (complétion de texte)

• Notebook de pré-entraînement continu LFM2.5-1.2B-Base (traduction)

LFM2.5 est recommandé pour les tâches agentiques, l’extraction de données, le RAG et l’utilisation d’outils. Il n’est pas recommandé pour les tâches à forte composante de connaissances ou la programmation.

Configuration Unsloth pour 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,
)

Configuration d’entraînement

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()

Enregistrement et export

# Enregistrer les adaptateurs LoRA
model.save_pretrained("lfm25_lora")
tokenizer.save_pretrained("lfm25_lora")

# Fusionner et enregistrer en 16 bits
model.save_pretrained_merged("lfm25_merged", tokenizer, save_method="merged_16bit")

# Exporter en GGUF
model.save_pretrained_gguf("lfm25_gguf", tokenizer, quantization_method="q4_k_m")

🎉 Service et déploiement de llama-server

Pour déployer LFM2.5 en production avec une API compatible OpenAI :

./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

Test avec le client OpenAI :

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 offre des performances de premier plan à l’échelle 1B et propose une inférence CPU rapide avec une faible consommation mémoire :

💧 Guide Liquid LFM2.5-1.2B-VL

LFM2.5-VL-1.6B est un LLM de vision construit au-dessus de LFM2.5-1.2B-Base et ajusté pour de meilleures performances réelles. Vous pouvez maintenant affiner le faire localement avec Unsloth.

Tutoriel d’exécutionTutoriel de fine-tuning

GGUF dynamiques	Instruct 16 bits
LFM2.5-VL-1.6B-GGUF	LFM2.5-VL-1.6B

Spécifications du modèle :

• Backbone LM: LFM2.5-1.2B-Base

• Encodeur de vision: SigLIP2 NaFlex optimisé pour les formes, 400M

• Longueur de contexte: 32 768 tokens

• Taille du vocabulaire: 65,536

• Langues: anglais, arabe, chinois, français, allemand, japonais, coréen et espagnol

• Traitement natif de la résolution: Gère des images jusqu’à 512×512 pixels sans mise à l’échelle et préserve les rapports d’aspect non standard sans distorsion

• Stratégie de découpage en tuiles: Découpe les grandes images en patches non chevauchants de 512×512 et inclut un encodage miniature pour le contexte global

• Flexibilité à l’inférence: Nombre maximal de jetons d’image et nombre de tuiles ajustables par l’utilisateur pour arbitrer entre vitesse et qualité sans réentraînement

⚙️ Guide d'utilisation

Liquid AI recommande ces paramètres pour l’inférence :

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

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

Format du modèle de chat

LFM2.5-VL utilise un format de type ChatML :

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)

Modèle de chat LFM2.5-VL :

<|startoftext|><|im_start|>system
Vous êtes un assistant multimodal utile créé par Liquid AI.<|im_end|>
<|im_start|>user
<image>Décrivez cette image.<|im_end|>
<|im_start|>assistant
Cette image montre un nématode Caenorhabditis elegans (C. elegans).<|im_end|>

🖥️ Exécuter LFM2.5-VL-1.6B

📖 Tutoriel llama.cpp (GGUF)

1. Compiler llama.cpp

Obtenez la dernière version de llama.cpp depuis GitHub. Changez -DGGML_CUDA=ON en -DGGML_CUDA=OFF si vous n’avez pas de GPU.

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. Exécuter directement depuis Hugging Face

./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

🦥 Fine-tuning de LFM2.5-VL avec Unsloth

Unsloth prend en charge le fine-tuning des modèles LFM2.5. Le modèle 1,6B tient confortablement sur un GPU T4 Colab gratuit. L’entraînement est 2 fois plus rapide avec 50 % de VRAM en moins.

Notebook Colab gratuit :

• Notebook SFT LoRA LFM2.5-VL-1.6B

Configuration Unsloth pour 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, # Définir sur False pour l’instant
    finetune_language_layers   = True, # False si vous ne fine-tunez pas les couches de langage
    finetune_attention_modules = True, # False si vous ne fine-tunez pas les couches d’attention
    finetune_mlp_modules       = True, # False si vous ne fine-tunez pas les couches MLP
    r = 16,         
    lora_alpha = 16,
    lora_dropout = 0,
    bias = "none",
)

Configuration d’entraînement

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

FastVisionModel.for_training(model) # Activer pour l’entraînement !

trainer = SFTTrainer(
    model = model,
    tokenizer = tokenizer,
    data_collator = UnslothVisionDataCollator(model, tokenizer), # À utiliser obligatoirement !
    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, # Utilisez ceci à la place de max_steps pour un entraînement complet
        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",     # Pour Weights and Biases
        remove_unused_columns = False,
        dataset_text_field = "",
        dataset_kwargs = {"skip_prepare_dataset": True},
        max_length = 2048,
    ),
)

trainer.train()

Enregistrement et export

# Enregistrer les adaptateurs LoRA
model.save_pretrained("lfm25_lora")
tokenizer.save_pretrained("lfm25_lora")

# Fusionner et enregistrer en 16 bits
model.save_pretrained_merged("lfm25_merged", tokenizer, save_method="merged_16bit")

# Exporter en GGUF
model.save_pretrained_gguf("lfm25_gguf", tokenizer, quantization_method="q4_k_m")

📊 Benchmarks

LFM2.5-VL-1.6B offre des performances de premier plan :

Modèle	MMStar	MM-IFEval	BLINK	InfoVQA (Val)	OCRBench (v2)	RealWorldQA	MMMU (Val)	MMMB (moy.)	Multilingual MMBench (moy.)
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

📚 Ressources

• Article de blog Liquid AI

• Rapport technique LFM2 (arXiv)

• Documentation Liquid AI

• Liquid Playground