01Ce qu'il sait faire
Points forts
- Disponible sur Ollama (install simple)
- Optimisé CPU / edge (efficience mémoire)
- 7B dense polyvalent
- 32k contexte natif
Limites à connaître
- —Licence LFM Open License v1.0 (à relire selon usage commercial)
- —Gated sur Hugging Face (click-through)
- —Écosystème LFM plus récent que Llama / Qwen
Architecture
Liquid Foundation Model · dense · 7B paramètres · 32k contexte
Entraînement
Liquid AI : architecture LFM (alternative aux Transformers classiques) optimisée pour l'efficience mémoire et l'inférence sur CPU / edge.
Idéal pour
Chat polyvalentInférence CPUEdge / mobile
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
4.1 Go
Q5_K_M
Bon compromis qualité/taille
5 Go
Q8_0
Quasi-indistinguable de FP16
7 Go
FP16
Pleine précision — usage serveur
14 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 9 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama pull lfm2.5
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.