Modelo
LLMs & Texto
LiquidAI/LFM2.5-Encoder-350M
Modelo de modelo de linguagem · 350 M de parâmetros — 5.3 mil downloads e 63 curtidas no Hugging Face.
Hugging Face · Modelos
·LiquidAI
·
·↓ 5327
·♥ 63
O modelo LiquidAI/LFM2.5-Encoder-350M aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de modelo de linguagem.
Ficha técnica
- Tarefa: modelo de linguagem
- Parâmetros: 350 M
- Biblioteca:
transformers - Formatos: safetensors
- Licença: proprietária / outra
- Downloads: 5.3 mil · Curtidas: 63
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~0.8 GB de VRAM — roda em CPU ou GPU de notebook
- Quantizado 8-bit: ~0.4 GB de VRAM — roda em CPU ou GPU de notebook
- Quantizado 4-bit: ~0.2 GB de VRAM — roda em CPU ou GPU de notebook
Como rodar localmente
Carregue com a transformers usando o template de chat:
pip install -U transformers accelerate torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "LiquidAI/LFM2.5-Encoder-350M"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id, torch_dtype="auto", device_map="auto"
)
msgs = [{"role": "user", "content": "Explique o que é entropia."}]
inputs = tok.apply_chat_template(
msgs, add_generation_prompt=True, return_tensors="pt"
).to(model.device)
out = model.generate(inputs, max_new_tokens=256)
print(tok.decode(out[0][inputs.shape[-1]:], skip_special_tokens=True))Para servir como API (recomendado para modelos grandes), use o vLLM:
pip install vllm
vllm serve LiquidAI/LFM2.5-Encoder-350MTags
transformers safetensors lfm2 fill-mask liquid lfm2.5 bidirectional masked-lm
