LFM2.5-1.2B-Thinking内存仅900MB

学习科技周边要努力，但是不要急！今天的这篇文章《LFM2.5-1.2B-Thinking 发布，仅占900MB内存》将会介绍到等等知识点，如果你想深入学习科技周边，可以关注我！我会持续更新相关文章的，希望对大家都能有所帮助！

Liquid AI 正式发布全新推理模型 LFM2.5-1.2B-Thinking，该模型仅需约 900 MB 手机内存，即可实现同尺寸模型中首屈一指的推理速度与最优的推理精度。

据悉，LFM2.5-1.2B-Thinking 是 LFM2.5 系列的最新迭代版本，参数量为 12 亿，专为复杂推理任务深度优化。其核心特性在于“先思考、后作答”——在输出最终答案前，主动构建结构化思考路径，从而更系统、更可靠地完成问题求解。该能力充分融合了 LFM 架构固有的高速推理优势，进一步提升答案质量与逻辑严谨性。

相较于前代模型 LFM2.5-1.2B-Instruct，LFM2.5-1.2B-Thinking 在三项关键能力上实现显著跃升：数学推理（MATH-500 基准从 63 分提升至 88 分）、指令理解与执行（Multi-IF 基准从 61 分提升至 69 分）、以及工具调用能力（BFCLv3 基准从 49 分提升至 57 分）。

官方指出，尽管参数规模相较 Qwen3-1.7B 缩减近 40%，LFM2.5-1.2B-Thinking 在主流推理评测中不仅全面比肩，更在多项指标上实现反超。尤为突出的是，它兼顾卓越输出质量与极高的测试时计算效率：相比启用“思考模式”的 Qwen3-1.7B，本模型在达成更高综合性能的同时，所需生成的输出 token 数量更少。

在实际推理阶段，LFM2.5-1.2B-Thinking 不仅大幅领先于 Qwen3-1.7B，甚至在速度与内存占用方面也优于 Granite-4.0-H-1B 等混合架构模型。

此外，该模型在高自主性、强逻辑依赖型任务（如工具协同、复杂数学推演、代码生成）及长上下文推理场景中均展现出强劲实力与稳定表现。

以上就是《LFM2.5-1.2B-Thinking内存仅900MB》的详细内容，更多关于的资料请关注golang学习网公众号！