LFM2.5 230M
LFM2.5 230M braucht mit der Variante Q4_K_M rund 1,0 GB Speicher und läuft auf allen 527 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Lenovo ThinkPad P1 16 Zoll (2025), RTX PRO 1000 Blackwell Laptop GPU, 32 GB.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
- Anbieter
- Liquid AI
- Parameter
- 0,2 Mrd.
- Längster Kontext
- 128.000 Token
- Nimmt entgegen
- Text
- Lizenz
- other
So starten Sie es mit Ollama:
$ ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q4_K_MFür mehrere Nutzer gleichzeitig: Ollama bedient dieses Modell immer nur mit einer Anfrage nach der anderen. Bei anderen Modellen lässt sich das über die Einstellung OLLAMA_NUM_PARALLEL ändern, hier nicht: Ollama setzt den Wert für diese Modellart selbst zurück. Die Tempoangaben oben gelten für eine einzelne Anfrage.
Geräte, auf denen es flüssig läuft
Alle Tempowerte sind berechnet und an veröffentlichten Messungen abgeglichen, nicht auf dem Gerät gemessen. Mit * markierte Werte sind nicht abgeglichen und deshalb unsicher.
und 517 weitere
Grafikkarten, in die es ganz passt
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce RTX 3070 Ti, 8 GB | Läuft gut | 2.453 bis 2.998 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 5060, 8 GB | Läuft gut | 1.843 bis 2.252 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 5060 Ti, 8 GB | Läuft gut | 1.843 bis 2.252 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 3060 Ti, 8 GB | Läuft gut | 1.843 bis 2.252 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 3070, 8 GB | Läuft gut | 1.843 bis 2.252 Token/s | 8 GB davon 7,2 GB nutzbar |
| AMD Radeon RX 9060 XT, 8 GB | Läuft gut | 1.088 bis 1.935 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 4060 Ti, 8 GB | Läuft gut | 1.209 bis 1.478 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 4060, 8 GB | Läuft gut | 1.144 bis 1.398 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 3080, 10 GB | Läuft gut | 3.010 bis 3.678 Token/s | 10 GB davon 9,2 GB nutzbar |
| Intel Arc B570, 10 GB | Läuft gut | 1.272 bis 2.261 Token/s | 10 GB davon 9,2 GB nutzbar |
und 50 weitere
Alle Geräte und Grafikkarten für LFM2.5 230M
Varianten
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q4_0 | 0,1 GB | 1,0 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q4_0 |
| Q4_K_M | 0,2 GB | 1,0 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q4_K_M |
| Q5_K_M | 0,2 GB | 1,0 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q5_K_M |
| Q6_K | 0,2 GB | 1,0 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q6_K |
| Q8_0 | 0,2 GB | 1,1 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:Q8_0 |
| BF16 | 0,5 GB | 1,3 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:BF16 |
| F16 | 0,5 GB | 1,3 GB | ollama run hf.co/LiquidAI/LFM2.5-230M-GGUF:F16 |
Quelle: https://huggingface.co/LiquidAI/LFM2.5-230M-GGUF
Weitere Ratgeber
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 319 von 527 geführten Geräten flüssig, die große auf 69. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und warum 24 GB der wichtigste Schritt ist.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.