Liquid AI Rilis LFM2.5-2.6B: Agen Pintar Hemat Memori yang Siap ‘Nongkrong’ di HP, Tapi Siapa Majikannya?
Selama ini, bayangan memiliki agen kecerdasan buatan otonom selalu diidentikkan dengan ketergantungan pada server cloud raksasa yang rakus daya, tagihan langganan bulanan yang mencekik dompet, serta ancaman privasi data pribadi yang mengintai. Namun, lanskap tersebut mendadak goyah setelah tim peneliti Liquid AI di Hugging Face merilis model bahasa berukuran mungil bertajuk LFM2.5-2.6B. Sebagai pemilik akal, manusia kini diiming-imingi kebebasan menjalankan agen cerdas berkinerja tinggi secara lokal, langsung dari dalam perangkat pribadi mereka.
Bayangkan memiliki asisten rumah tangga digital yang tidak perlu dikirim ke pusat komputasi luar kota setiap kali disuruh menyelesaikan tugas multi-langkah. Model ini dirancang khusus agar pas ditanamkan pada perangkat konsumen biasa, mulai dari laptop harian hingga ponsel pintar yang Anda genggam. Pergeseran ini menegaskan satu hal penting: kedaulatan atas data dan kendali penuh atas eksekusi sistem akhirnya kembali ke tangan majikan.
Namun, sebelum Anda bersorak kegirangan dan menyerahkan seluruh urusan pekerjaan pada si agen mungil ini, ingatlah filosofi mendasar kita. Sehebat apa pun optimalisasi kodenya, sistem buatan ini tetaplah sekumpulan matriks matematika kaku yang tidak memiliki kehendak bebas. Kaulah majikan sejati yang memegang tombol daya dan menjadi penentu arah navigasi utamanya.
Analisis Mendalam
Secara teknis, LFM2.5-2.6B yang dikembangkan oleh Leonie Monigatti, Maxime Labonne, dan tim peneliti Liquid AI dilatih di atas sekitar 34 triliun token dengan perpanjangan jendela konteks hingga 128K token. Rahasia kehebatannya terletak pada proses post-training empat tahap: Supervised Fine-Tuning (SFT) yang padat data agen, spesialisasi instruktur per domain, Multi-domain On-Policy Distillation (MOPD), hingga Agentic Reinforcement Learning (Agentic RL) yang dijalankan langsung di dalam ekosistem agen nyata seperti OpenClaw dan Hermes Agent. Hasilnya, model ini mampu mengeksekusi tool calling dan alur kerja kompleks dengan penggunaan memori di bawah 2,5 GB.
Performa kecepatan komputasinya pun tergolong luar biasa untuk ukuran model lokal. LFM2.5-2.6B sanggup memuntahkan 220 token per detik di prosesor Apple M5 Max dan 113 token per detik pada chip AMD Ryzen AI Max+ 395, bahkan masih sanggup berjalan konsisten di kecepatan 30 token per detik pada ponsel pintar. Pada pengujian GPU H100, model mungil ini mampu menembus kecepatan 15.000 token per detik saat pemrosesan paralel tinggi. Akselerasi ini sejalan dengan perkembangan backend vLLM dan Transformers terbaru yang berfokus memangkas latensi tanpa membebankan infrastruktur.
Hasil pengujian benchmark juga mengejutkan banyak pihak di industri. Kendati ukuran parameternya paling imut dibanding kompetitornya, LFM2.5-2.6B berhasil mengimbangi bahkan mengungguli model yang ukurannya hingga empat kali lebih besar seperti Gemma-4 5.1B/8B dan Qwen3.5 4.7B pada tolok ukur penurutan instruksi (IFBench, Multi-IF, IFStruct) serta pemanggilan alat (ToolSandbox, BFCLv4). Ini membuktikan bahwa efisiensi arsitektur sanggup mengalahkan dominasi ukuran parameter raksasa.
Baca juga artikel menarik lainnya di kategori Update Algoritma.
Batasan Sistem
Namun, Mari kita bedah keterbatasannya secara rasional. Kendati gahar dalam tugas eksekusi instruksi dan penggunaan alat bantu, LFM2.5-2.6B masih kedodoran saat dihadapkan pada tugas pemrograman berbobot berat (heavy coding). Pada pengujian LiveCodeBenchv6, model berukuran lebih besar seperti Qwen3.5 9.7B dan Gemma-4 8B masih memegang kendali penuh. Hal ini menunjukkan bahwa kompresi ukuran parameter tetap menuntut kompromi pada kedalaman penalaran logika koding yang rumit.
Selain itu, efektivitas agen lokal ini sangat bergantung pada keandalan wadah (harness) tempat ia beroperasi. Jika kerangka kerja eksekusi seperti OpenClaw di perangkat seluler mengalami konflik sistem atau salah menafsirkan instruksi tingkat lanjut, AI mungil ini akan bertingkah kaku bak asisten yang kurang piknik. Tanpa pengawasan manusia, alur kerja otomatisasi multi-langkah berisiko terjebak dalam pemanggilan fungsi yang berulang-ulang tanpa penyelesaian.
Keterbatasan paling krusial adalah ketiadaan intuisi dan kesadaran emosional. LFM2.5-2.6B mungkin sangat cepat memanggil API atau menyaring dokumen, tetapi ia tidak memiliki akal sehat untuk menilai apakah tindakan yang diambilnya relevan secara konteks nyata. AI hanyalah eksekutor tanpa rasa tanggung jawab; ketika terjadi kegagalan logika, majikan manusia dengan akal budinya yang wajib turun tangan membereskan kekacauan tersebut.
Dampak Masa Depan
Kehadiran LFM2.5-2.6B memberikan guncangan nyata bagi peta persaingan korporasi teknologi yang mengandalkan monopoli cloud. Dengan dukungan hari pertama pada ekosistem populer seperti llama.cpp, MLX, vLLM, SGLang, hingga ONNX, para pengembang aplikasi kini tidak perlu lagi bergantung pada API berbiaya mahal milik raksasa Silicon Valley. Efisiensi komputasi lokal ini diprediksi akan mempercepat adopsi edge AI di berbagai sektor, mulai dari otomotif, manufaktur, hingga aplikasi produktivitas harian.
Dari sudut pandang keamanan data, desentralisasi pemrosesan ke perangkat lokal merupakan angin segar bagi perlindungan privasi. Tidak ada lagi cerita data percakapan atau dokumen sensitif diunggah ke server pihak ketiga demi menjalankan fungsi agen cerdas. Namun demikian, perkembangan ini menuntut para pengembang untuk memperketat benteng keamanan di tingkat sistem operasi agar agen lokal tidak gampang disusupi serangan *prompt injection* yang berbahaya.
Secara keseluruhan, peluncuran LFM2.5-2.6B oleh Liquid AI membuktikan bahwa agen pintar kini semakin padat, hemat, dan siap berjalan di mana saja. Namun ingat, efisiensi eksekusi ratusan token per detik di dalam saku Anda tidak akan pernah menggantikan akal budi manusia. Tanpa perintah yang jelas, arahan etis, dan tombol eksekusi dari jemari Anda, model canggih ini tidak lebih dari sekadar tumpukan kode mati di dalam memori perangkat Anda.
Sehebat-hebatnya agen AI lokal berjalan 220 token per detik di ponselmu, dia tetap tidak bisa diperintah untuk membelikan ketoprak pedas karet dua di pinggir jalan saat hujan deras.
Artikel ini dirangkum dari sumber asli di “Hugging Face Blog”.
Gambar oleh: Liquid AI via TechCrunch