/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,6 млрд
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-2.6B
Библиотека
transformers
Опубликована
1 окт 2026

LFM2.5-2.6B-multiharness-SFT

Генерация текстаТекст → текст5 профессий

Дообученная LFM2.5-2.6B для агентного решения задач анализа данных и работы с инструментами в нескольких harness-средах.

291скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

FineEnvs выпустила полноразмерное дообучение LiquidAI/LFM2.5-2.6B для агентных задач анализа данных и работы с инструментами. Это плотная авторегрессионная модель семейства LFM2 с 2,6 млрд параметров, контекстом до 131 072 токенов и чатом. Модель обучена методом supervised fine-tuning на примерах для OpenCode, Claude Code, Codex и Mini-SWE-Agent; доступны полные веса, токенизатор и шаблон чата в формате safetensors.

Модель предназначена для выполнения задач в агентных средах: анализа данных, работы с кодом и инструментами в рамках заданий этих harness-систем. На фиксированном наборе из 250 тестовых задач она показала 43,1% pass@1 в среднем по четырём harness-системам. Для воспроизведения результатов нужны соответствующие агентная среда и инструменты; обычный чатовый запрос не равнозначен оцениванию в harness. Карточка указывает лицензию `other`, поэтому условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • выполнение задач анализа данных в агентной среде
  • написание и изменение кода с помощью OpenCode
  • решение задач разработки через Claude Code или Codex
  • выполнение задач Mini-SWE-Agent с использованием инструментов
  • диалоговое управление агентом с длинной историей контекста

Ограничения

Результаты pass@1 получены на одном фиксированном наборе задач и зависят от версий harness-систем; они не показывают изолированный эффект обучения. Для оценки и воспроизведения результатов нужны агентный harness и инструменты, а лицензия `other` требует проверки условий репозитория.

Для каких профессий подходит5

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

The ultimate guide to multi-harness RL

LFM2.5-2.6B-multiharness-SFT

A full fine-tune of LiquidAI/LFM2.5-2.6B for agentic data-analysis tasks, trained with supervised fine-tuning (TRL SFT) using OpenCode, Claude Code, Codex, Mini-SWE-Agent. This release is step 4,484 on main, epoch 2, scoring 43.1% pass@1 across four evaluation harnesses.

Article · Collection · Evaluation tasks · Training dashboard

Training and evaluation curves

Animated training, pass@1 and tool-use curves through step 4,484

Training curves use a trailing 50-step mean (at least 10 observations). Evaluation markers show measured checkpoints; hollow markers and dotted segments indicate incomplete coverage. Faint background lines show the full recorded trajectory; colored lines reveal the measured checkpoints. The first frame shows the completed chart before replaying, so previews also contain the full curves. Tool-call savings compare tasks solved by both the base model and checkpoint, with a different matched cohort at each checkpoint. SFT evaluations were recorded at the end of each epoch only. The animation stops at this revision's step 4,484.

Static chart · Plotted data · Interactive article

Training

TRL SFT on FineEnvs/SmolDataEnvs-multiharness-sft, combining OpenCode, Claude Code, Codex and Mini-SWE-Agent examples without harness balancing. The data contains successful Qwen3.8-27B teacher rollouts collected through OpenEnv × Harbor in Daytona sandboxes. Up to three teacher attempts were allowed per task/harness; the first successful trace was retained.

This run uses 17,929 assistant-turn examples from 3,189 successful rollouts covering 888 distinct tasks. Loss is applied only to the next assistant response; user messages, tool outputs and prior history are context. Responses are tokenized for LFM, not trained against teacher token IDs or logprobs.

SettingValue
Epochs / checkpoint2 / 4,484
Learning rate / schedule3e-6 / constant
Effective batch size8
Optimizer / precisionpaged AdamW 8-bit / bfloat16
Training harnessesOpenCode, Claude Code, Codex, Mini-SWE-Agent
ObjectiveCompletion-only supervised fine-tuning

Evaluation

250 fixed SmolDataEnvs test tasks (33 easy, 118 medium, 99 hard), each evaluated under four harnesses: 1,000 graded task/harness cells. Pass@1 uses the first graded attempt per cell; infrastructure retries do not turn it into pass@k. All cells below are graded.

HarnessCorrect / evaluatedPass@1
OpenCode95 / 25038.0%
Claude Code106 / 25042.4%
Codex117 / 25046.8%
Mini-SWE-Agent113 / 25045.2%
Overall431 / 1,00043.1%

Harness versions: OpenCode 1.18.31, Claude Code 2.1.270, Codex 0.154.0, Mini-SWE-Agent 2.4.6. Full scores, including difficulty breakdowns, are in eval_results.json.

These are single-run results on a specific task set and harness versions. Harness mix, training exposure and compute differ across runs; the scores do not isolate a causal effect of the harness or objective.

Load the checkpoint

The repository contains full saved model weights and the saved tokenizer/chat template, not a LoRA adapter. Training used Transformers 5.14.1; use a compatible Transformers release.

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "FineEnvs/LFM2.5-2.6B-multiharness-SFT"
revision = "main"
tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForCausalLM.from_pretrained(
    model_id, revision=revision, dtype=torch.bfloat16, device_map="auto"
)

Reproducing the task scores requires the agent harness and tools described in the article; a plain chat prompt is not the same evaluation.

Related releases

All models, datasets, environments and the article are linked in the multi-harness RL collection.

License and provenance

Derived from LiquidAI/LFM2.5-2.6B under the LFM Open License v1.0. The base model's license is included unchanged in LICENSE. FineEnvs modified the weights by supervised fine-tuning; this is not an official Liquid AI release. See NOTICE and release_manifest.json for modification notices, the pinned base revision, checkpoint identity and file checksums. Optimizer, scheduler, RNG and trainer state are excluded.

Citation

For the experiment, methodology and interpretation, cite the main article:

@misc{kolavi2026multiharnessrl,
  author = {Adithya S Kolavi},
  title = {The ultimate guide to multi-harness RL},
  year = {2026},
  url = {https://huggingface.co/spaces/AdithyaSK/multi-harness-rl}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
748e237

0 моделей