Liquid AI、新型モデル LFM2.5-2.6B を公開──スマホ向けベンチマークで最高性能を達成しつつメモリ消費を半減
iPhone 17 Pro と Galaxy S26 Ultra 上でメモリ消費を約 40% 削減しつつ最高水準の処理を実現した。ローカルエージェント実装のメモリ制約を大きく緩和する。
リリース: 2026-09-21 · 読了 4 分記事の要約
1. 核心（What）
- Liquid AI はモバイル向けに最適化されたオープンウェイトモデル LFM2.5 ファミリー（4 モデル）を発表した。
- 主力モデルである LFM2.5-2.6B は、Artificial Analysis のモバイル評価スイートにおいて最高性能のスコアを記録した。
- iPhone 17 Pro および Galaxy S26 Ultra の両方で、ピークメモリを 2.5 GB 未満に抑えながらエンドツーエンドの処理時間を短縮した。
- Hugging Face にて公開されており、llama.cpp や vLLM、MLX などの各種ランタイムに対応している。
2. 影響（Why）
- ローカル AI アプリのメモリ設計が変わる: 2.5 GB 未満のメモリでフラッグシップ級の推論を回せるため、プライバシー重視のオンデバイス RAG やオフラインエージェントの実装ハードルが大きく下がる。
- 国内エッジ AI 事業者のコスト構造への影響: [モバイルアプリ開発・エッジ AI サービス業種] のような中規模事業者は、高価格なクラウド API への依存度を下げ、スマホ単体で完結するバックグラウンドエージェントへ移行する選択肢が現実的になる。
3. 根拠・詳細（How）
- 畳み込みとアテンションのハイブリッド層: 全 30 層のうち 22 層に二重ゲート付きショート畳み込みブロック、8 層にグループ化クエリ注意機構を採用し、重いグローバルなアテンション計算の頻度を抑制して CPU およびモバイル端末での処理効率を高めている。
- 量子化とランタイムの実装仕様: 4 ビット以下に量子化されたモデルビルドを llama.cpp 経由で実行し、KV キャッシュを含めて 8 GB 以内の制約を満たしながら 16,000 トークンまでのコンテキストを処理する。
4. 展望・課題（Next）
- コーディング領域での性能検証: LiveCodeBench v6 スコア等で上位モデルに劣るため、プログラミング支援ツールへの適用時は追加のファインチューニングやタスク選定が必要となる。
- 収益に応じたライセンス条件の管理: LFM Open License v1.0 では年間売上 1,000 万ドルを超えた段階で個別交渉が必要となるため、商用展開する事業者は売上推移に応じたライセンス確認が不可欠となる。