/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
LFM2.5-8B-A1B-ThinkingCap
Опубликована
25 авг 2026

LFM2.5-8B-A1B-ThinkingCap-GGUF

Генерация текстаТекст → текст15 профессий

LFM2.5-8B-A1B-ThinkingCap-GGUF — GGUF-сборка модели LFM 2.5 8B ThinkingCap, основанная на весах Liquid AI LFM 2.5 8B A1B и аблитерированной версии huihui-ai.

588скачиваний за 30 дней2лайкавеса обновлены3 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель дообучена osk-arr00 с применением Supervised Fine-Tuning (SFT) и Direct Preference Optimization (DPO) и ориентирована на рассуждения, генерацию текста, структурированные ответы и tool-calling. Заявлена поддержка английского и испанского языков.

Архитектура представляет собой гибридную модель с 36 слоями одномерных коротких свёрток и MoE-основой на 32 эксперта. Всего модель содержит около 8,47 млрд параметров, из которых примерно 1,2 млрд активны на каждый токен. В репозитории доступны варианты GGUF от BF16 до Q4, включая специализированные APEX и ROCmFPX-квантизации для AMD Strix Halo с архитектурой RDNA 3.5 и gfx1151, а также версии для llama.cpp, Vulkan, CPU и CUDA. Указана поддержка глобального контекста до 256K токенов в серверном сценарии, однако точные ограничения зависят от сборки и конфигурации.

Сильными сторонами являются ориентация на reasoning, детерминированные структурированные ответы, англо- и испаноязычная генерация, широкий выбор квантизаций и оптимизация для AMD Strix Halo. Ограничения включают зависимость производительности от аппаратной платформы, рантайма, квантизации и параметров запуска; приведённые показатели относятся к AMD Ryzen AI Max 385 с 64 ГБ LPDDR5X и не гарантируют аналогичную скорость на других системах. Лицензия обозначена как lfm1.0; конкретные условия следует уточнять в приложенном файле лицензии.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📌 Model Overview

LFM 2.5 8B ThinkingCap is a distilled, reasoning-calibrated, and abliterated hybrid architecture combining 36 layers of 1D short-convolutions with a 32-expert MoE backbone (~1.2B active parameters per token out of 8.47B total).

Trained using full Supervised Fine-Tuning (SFT) and Direct Preference Optimization (DPO), this model enforces the ThinkingCap contract:

  • Focused internal reasoning enclosed strictly within [Start thinking] ... [End thinking].
  • Clean, structured, and deterministic answers in the deliverable block.
  • High fidelity and fluency in English and Spanish.

⚡ Quantization & APEX Matrix

This repository provides standard GGUF quantizations alongside APEX mixed-precision and native ROCmFP4 quants specifically tailored for the AMD Strix Halo (RDNA 3.5 / gfx1151 / Radeon 8050S / Radeon 8060S) platform with unified LPDDR5X memory.

Available GGUF Files

File NameSizeType / DescriptionTarget Architecture
LFM2.5-8B-A1B-ThinkingCap-ROCMFPX-APEX.gguf4.78 GBDefinitive ROCmFPX APEX: Routed experts in Q4_0_ROCMFP4, attention in Q6_K, shared experts/conv in Q8_0AMD Strix Halo (gfx1151) ROCmFPX
LFM2.5-8B-A1B-ThinkingCap-APEX.gguf4.63 GBUniversal APEX: Routed experts in Q4_K_M + apex.txt + iMatrix, attention in Q6_K, conv in Q8_0llama.cpp / Vulkan / CPU / CUDA
LFM2.5-8B-A1B-ThinkingCap-APEX-Q6.gguf6.60 GBAPEX Q6: Maximum reasoning retention with moderate compressionHigh-precision inference
LFM2.5-8B-A1B-ThinkingCap-Q8_0.gguf8.40 GBFull 8-bit referenceReference evaluation
LFM2.5-8B-A1B-ThinkingCap-Q6_K.gguf6.50 GBStandard Q6_KGeneral purpose
LFM2.5-8B-A1B-ThinkingCap-BF16.gguf16.0 GBUnquantized BF16 BaseResearch / Conversion base
LFM2.5-8B-A1B-DSpark-Q4_K_M.gguf191 MBDSpark Speculative Drafter (Q4_K_M)Speculative decoding drafter
LFM2.5-8B-A1B-DSpark-BF16.gguf633 MBDSpark Drafter (BF16)Speculative decoding base

📊 Measured Benchmarks (AMD Radeon 8050S / Strix Halo gfx1151)

All benchmarks measured locally on AMD Ryzen AI Max 385 APU with 64 GB LPDDR5X Unified RAM.

1. Prefill & Generation Context Ladder (llama-bench)

MetricContext SizeGPU Performance
Short Prefill (pp512)512 tokens3,061.1 tokens/sec
Medium Prefill (pp1024)1,024 tokens3,165.7 tokens/sec
Long Prefill (pp4096)4,096 tokens3,564.4 tokens/sec
Deep Prefill (pp16384)16,384 tokens2,233.8 tokens/sec
Decode / Generation (Single-Stream)128 – 4,096 tokens115.8 – 148.3 tokens/sec

2. Multi-Slot Continuous Batching Scaling (256K Global Context)

ConcurrencyPer-User Decode SpeedAggregate System ThroughputScaling Factor
1 Slot148.3 tokens/sec121.5 tokens/sec1.00× (Baseline)
2 Slots75.2 tokens/sec136.4 tokens/sec1.12×
4 Slots64.8 tokens/sec211.8 tokens/sec1.74×

🎯 Recommended Sampling Parameters (DRY Sampler Sweetspot)

For optimal reasoning output and zero repetitive loops, use the DRY (Don't Repeat Yourself) sampler configuration instead of static repetition penalty:

{
  "temperature": 0.2,
  "top_p": 0.95,
  "dry_multiplier": 0.8,
  "dry_base": 1.75,
  "dry_allowed_length": 2,
  "max_tokens": -1
}

🚀 Quickstart & Deployment

Run with llama-cli (ROCm / HIP for gfx1151)

export HSA_OVERRIDE_GFX_VERSION=11.5.1
export GGML_HIP_ENABLE_UNIFIED_MEMORY=1

llama-cli \
  -m LFM2.5-8B-A1B-ThinkingCap-ROCMFPX-APEX.gguf \
  -dev ROCm0 \
  -ngl 999 \
  -fa on \
  -ctk q8_0 -ctv q8_0 \
  -b 8192 -ub 2048 \
  -c 32768 \
  --dry-multiplier 0.8 --dry-base 1.75 --dry-allowed-length 2 \
  --temp 0.2 \
  --jinja \
  -p "<|im_start|>system\nEres un asistente experto.\n<|im_end|>\n<|im_start|>user\nHola, ¿cuál es tu arquitectura?\n<|im_end|>\n<|im_start|>assistant\n"

Production Server (Docker)

docker run -d \
  --name strix-halo-server-fast \
  --restart unless-stopped \
  --device=/dev/dri \
  --group-add 983 --group-add 987 \
  -p 8080:8080 \
  -v /path/to/models:/models:ro \
  strix-halo-llamacpp:ultimate-vulkan \
  llama-server \
    -m /models/LFM2.5-8B-A1B-ThinkingCap-ROCMFPX-APEX.gguf \
    -ngl 999 \
    --host 0.0.0.0 \
    --port 8080 \
    -fa 1 \
    -ctk q8_0 -ctv q8_0 \
    -b 16384 -ub 2048 \
    -np 4 -c 262144 \
    --jinja \
    --metrics

📄 License & Credits

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
f4d3de9

0 моделей