/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
443 млн
Лицензия
Apache 2.0
Архитектура
lfm2 · dense
Опубликована
31 авг 2026

LFM2.5-350M-Thinking-0005

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель KoarAI для диалогов, математических задач и пошаговых рассуждений на русском и английском языках.

59скачиваний за 30 дней1лайквеса обновлены31 авг 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

KoarAI/LFM2.5-350M-Thinking-0005 — компактная языковая модель для генерации текста и пошаговых рассуждений, разработанная KoarAI на основе архитектуры Liquid Neural Network семейства LFM2. Модель дообучена на смеси из 10 709 примеров рассуждений, созданных несколькими учительскими моделями, включая задачи по математике, русскоязычные цепочки рассуждений и калибровку ответов на вопросы, на которые нельзя ответить достоверно. В репозитории указано 350 млн параметров, а метаданные каталога фиксируют 443,4 млн параметров; заявленный контекст — до 128 000 токенов.

Модель предназначена для диалоговых сценариев, решения математических и логических задач, объяснения выводов и более осторожных ответов при недостатке информации. README заявляет двуязычные возможности на русском и английском, а также эффективность для устройств с ограниченными ресурсами; приведённую в карточке скорость работы нельзя считать независимой оценкой производительности. Доступны веса в формате safetensors, а в связанном репозитории упомянуты варианты GGUF в FP16 и Q8_0. Лицензия — Apache-2.0.

Сценарии применения

  • Решение математических задач с пояснением рассуждений
  • Ответы на логические вопросы в диалоге
  • Получение краткого ответа после пошагового анализа
  • Осторожные ответы на вопросы с недостатком данных

Ограничения

Заявления о скорости, качестве рассуждений и устойчивости к галлюцинациям приведены в README и не сопровождаются независимыми оценками. Карточка указывает разные размеры модели: 350 млн параметров в README и 443,4 млн в метаданных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧠 LFM2.5-350M-Thinking-0005

LFM2.5-350M-Thinking-0005 is the flagship lightweight 350-million-parameter Reasoning Model based on LiquidAI's Liquid Neural Network (LNN) architecture.

Fine-tuned on the Golden 10,709 Multi-Teacher Reasoning Mixture combining high-order multi-teacher logic (Qwen3.8-Max, GLM-5.2, Kimi-k3), DeepSeek-R1 Math, Russian R1 CoT, Bespoke Stratos, and Self-Awareness / Anti-Hallucination honesty calibration.


⚡ Highlights & Key Capabilities

  • 🧬 Liquid Neural Network (LNN): Sub-linear memory scaling with extreme edge efficiency.
  • 📐 Deep Chain-of-Thought: Structured <think> ... </think> blocks before providing concise and correct final solutions.
  • 🇷🇺 Bilingual Russian & English Mastery: Fluent native Russian multi-step reasoning without translation noise.
  • 🎯 Self-Awareness & Anti-Hallucination: Calibrated to detect unanswerable / hypothetical questions and answer honestly instead of hallucinating.
  • 🚀 Extreme Edge Speed: Delivers 28–42+ tokens/sec on CPU and mobile devices.

📊 Dataset Mixture (Revision 0005)


📦 GGUF & Quantized Models

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
5f642e0

0 моделей