/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,6 млрд
Размер весов
5,4 ГБ
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-2.6B
Библиотека
transformers
Опубликована
6 сен 2026

LFM2.5-2.6B-heretic

Генерация текстаТекст → текст15 профессий

Многоязычная текстовая модель на 2,6 млрд параметров с уменьшенной склонностью к отказам, предназначенная для диалогов, генерации текста и агентных сценариев.

763скачиваний за 30 дней0лайковвеса обновлены18 сен 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

alpharomercoma/LFM2.5-2.6B-heretic — текстовая модель, созданная на основе LiquidAI/LFM2.5-2.6B с помощью направленной абляции отказного направления в остаточном потоке и подбора весов абляции по слоям. Веса объединены, поэтому модель загружается как обычная Lfm2ForCausalLM; размер составляет 2,6 млрд параметров, а контекст — до 131 072 токенов.

Модель предназначена для генерации текста и диалогов. В ней сохранены шаблон чата и токены вызова инструментов базовой модели; многоязычные возможности и сценарии локального запуска, включая RAG и длинноконтекстные агентные задачи, унаследованы от неё. В репозитории находятся веса Safetensors для Transformers, а не готовая скомпилированная сборка ExecuTorch.

Абляция снижает склонность модели отказывать, стараясь сохранить близость к исходному поведению по KL-дивергенции. При этом намеренно удалена защитная настройка базовой модели, поэтому ответы могут включать небезопасный контент. Лицензия обозначена как «other»; README не уточняет её условия.

Сценарии применения

  • генерация текста в диалоге
  • ответы на вопросы в длинном контексте
  • вызов инструментов в агентных сценариях
  • работа с документами в RAG-системе
  • локальный запуск компактной языковой модели

Ограничения

Защитная настройка базовой модели намеренно удалена, поэтому модель может выдавать небезопасные ответы. Репозиторий содержит веса Safetensors, но не готовую сборку ExecuTorch; для неё потребуется отдельная квантизация и экспорт.

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

LFM2.5-2.6B, refusals removed

These are transformers weights, not a compiled model. There is no ExecuTorch .pte in this repository: the one that used to sit in executorch/ was built with a recipe that lost this family's tool calling and was withdrawn on 2026-09-19. Apps that run compiled exports, OpenWeights among them, cannot load safetensors. Use these with transformers, or quantise them yourself; a replacement export needs its own GPTQ solve against these weights, which has not been done.

The ExecuTorch export was removed on 2026-09-19. It was built with a recipe carrying two defects: ExecuTorch 1.4.0's LFM2 definition never cleared ShortConv.conv_state between prompts, so each prompt ran on the last one's state, and its int4 weights were round to nearest, which costs this family its tool calling. On 141 held-out questions the equivalent 1.2B export searched when needed on 10 percent of the questions that needed it and spoke of search results it had never fetched in a quarter of its replies. Fixing it needs a GPTQ solve against these weights, which has not been done. The weights in this repository are unaffected. Method and numbers: https://github.com/alpharomercoma/openweights/blob/main/docs/research/executorch-state-and-recipes.md

alpharomercoma/LFM2.5-2.6B-heretic

Abliterated ("uncensored") version of LiquidAI/LFM2.5-2.6B, produced with heretic: directional ablation of the refusal direction in the residual stream, with a TPE search over per-layer ablation weights that minimises both the refusal rate and the KL divergence from the original model. Weights are merged, so this loads as a plain Lfm2ForCausalLM. Chat template, tool-calling tokens and everything else are unchanged from the base model.

heretic Pareto front for this run

study: ./checkpoints/LiquidAI--LFM2--5-2--6B.jsonl
completed trials: 200 / 200

idx trial refusals       KL  direction_index
  0   171     0.03   0.1522  None
  1   192     0.04   0.0806  None
  2   191     0.05   0.0801  None
  3   197     0.06   0.0648  None
  4     8     0.07   0.0343  None
  5   133     0.08   0.0238  17.379784537320543
  6    92     0.11   0.0225  None
  7    77     0.23   0.0210  None
  8   158     0.24   0.0103  17.028759195631267
  9    89     0.45   0.0051  17.485544563435877
 10    45     0.79   0.0046  17.737500883050494
 11   113     0.89   0.0035  16.83671987276088
 12   194     0.96   0.0020  17.497441205715695
 13   101     0.97   0.0016  18.074113894983057
 14    97     0.98   0.0009  17.811708539059808
 15   187     0.99   0.0008  11.863942700812128
selected pareto index: 4

ExecuTorch (CPU)

executorch/lfm2_5_2_6b_heretic_8da4w.pte is an ExecuTorch program exported for the XNNPACK backend with 8-bit dynamic activations / 4-bit grouped weights (8da4w); on Arm hosts XNNPACK dispatches these to KleidiAI kernels. Run it with the llama_main runner from ExecuTorch (examples/models/llama) using this repo's tokenizer.json and the prompt format <|startoftext|><|im_start|>user\n...<|im_end|>\n<|im_start|>assistant\n.

Pipeline

Reproducible end to end from https://github.com/ (see the repository this was built with): make setup abliterate pareto, make save TRIAL=<idx>, make export, make publish.

Use responsibly; the safety training of the base model has been removed on purpose.

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
b389c6a

0 моделей