/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
LFM2.5-350M-ToMoE
Опубликована
26 авг 2026

LFM2.5-350M-ToMoE-GGUF

Генерация текстаТекст → текст4 профессии

Nichonauta/LFM2.5-350M-ToMoE-GGUF — это набор GGUF-квантизаций модели Nichonauta/LFM2.5-350M-ToMoE, основанной на LiquidAI/LFM2.5-350M.

179скачиваний за 30 дней3лайкавеса обновлены26 авг 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 предназначена для генерации текста и запуска в llama.cpp, включая локальный инференс через llama-server и llama-cli с использованием CPU или CUDA-совместимых GPU.

Доступны варианты BF16 размером 678 МБ, Q8_0 размером 362 МБ и Q4_K_M размером 219 МБ. Исходная модель представляет собой преобразование в архитектуру Mixture-of-Experts (ToMoE), однако в GGUF-конвертации специфические MoE-механизмы и динамические маски не поддерживаются архитектурой LFM2 в llama.cpp. Поэтому эти файлы восстановлены до плотного эквивалента и по поведению соответствуют базовой dense-модели, а не исходной MoE-версии. Для использования настоящего MoE-варианта требуется версия safetensors с trust_remote_code.

Модель заявлена для английского, арабского, китайского, французского, немецкого, японского, корейского, испанского и португальского языков. Сильными сторонами являются компактные квантизированные варианты и высокая скорость генерации на совместимом GPU; для Q4_K_M в README указано около 470 токенов в секунду на RTX 3060. Ограничения включают отсутствие исходного разреженного MoE-поведения в GGUF-файлах и зависимость производительности от аппаратного обеспечения и конфигурации llama.cpp. Производная модель распространяется по лицензии LFM Open License v1.0.

Для каких профессий подходит4

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-ToMoE-GGUF

GGUF quantizations of Nichonauta/LFM2.5-350M-ToMoE — the ToMoE Mixture-of-Experts conversion of LiquidAI/LFM2.5-350M.

Files

FileQuantizationSizeBPW
LFM2.5-350M-ToMoE-BF16.ggufBF16678 MB16.0
LFM2.5-350M-ToMoE-Q8_0.ggufQ8_0362 MB8.50
LFM2.5-350M-ToMoE-Q4_K_M.ggufQ4_K_M219 MB5.12

Important note about the conversion

The ToMoE channel-MoE experts and the per-token dynamic V masks have no native representation in llama.cpp's LFM2 architecture. To produce a runnable GGUF, the pruned model was rebuilt as a dense-equivalent:

  • The cut conv layers were restored to their full width using the original dense weights (the conv weights were never modified by ToMoE — only masked at runtime).
  • The MLP union cut (~99% of the FFN was already preserved) was restored to the full FFN.
  • The attention Q/K were already full-width in the pruned model.

As a result, the GGUF behaves like the dense base model rather than the pruned MoE. For the actual MoE behavior, use the safetensors version with trust_remote_code.

Usage (llama.cpp, CUDA)

llama-server.exe ^
  --model LFM2.5-350M-ToMoE-Q4_K_M.gguf ^
  --gpu-layers all ^
  --ctx-size 32768 ^
  --alias LFM2.5-350M-ToMoE

Or with llama-cli:

llama-cli.exe -m LFM2.5-350M-ToMoE-Q4_K_M.gguf -ngl 99 -p "The capital of France is" -n 30

Measured on an RTX 3060 (CUDA 13.3 build, llama.cpp b10603): ~470 t/s generation for Q4_K_M, ~370 t/s for Q8_0, ~270 t/s for BF16.

Base model

License

Derivative of LiquidAI/LFM2.5-350M — released under the LFM Open License v1.0 (see LICENSE).

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
85e15a8

0 моделей