AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › モデル別 › LFM2.5 2.6B

LFM2.5 2.6B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Liquid AI ・ 公開 2026-08 ・ 2.7Bパラメータ ・ データ更新 2026-10-02

LFM2.5の2.6B。端末向けの軽量設計。GPUなしのメモリ8GBのPCでも動く

2.2GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 4GB実用になるいちばん安いGPU: GeForce RTX 3050 Laptop
8GB実用になるいちばん小さいMac: M2（8GB）
128,000最大コンテキスト（学習時）

編集部の見立て

Liquid AIが端末上での実行を前提に組んだ、総2.69Bの文章専用モデルです。30層のうち22層は短い畳み込みブロックで、KVを持つ注意層は8層だけ。文脈は128Kで、道具の呼び出しや多段の作業向けに事後学習されています。対応言語16のなかに日本語が入ります。

Q4_K_Mは1.6GBで、8kの文脈を足しても2.2GBに収まる軽さ。RTX 2060 6GBで推定139.1tok/s、Apple M2（8GB）で49.9tok/s、GPUなしのDDR4・8GBの一般PCでも13.2tok/sです。古いノートでRAGや抽出の自動化を回す最初の1本。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/LiquidAI_LFM2.5-2.6B-GGUF） に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（30層・文脈全体を見る層は8層だけ）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化ファイルKVキャッシュ（8k）必要合計GPUならMacなら
2bit（IQ2_M）
品質劣化大。最後の手段		1.0GB0.1GB1.6GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		1.0GB0.1GB1.7GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		1.2GB0.1GB1.9GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		1.3GB0.1GB1.9GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		1.4GB0.1GB2.1GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		1.6GB0.1GB2.2GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		1.8GB0.1GB2.5GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		2.1GB0.1GB2.8GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		2.7GB0.1GB3.4GBVRAM 4GB〜8GB〜
16bit（BF16）
元精度		5.0GB0.1GB5.8GBVRAM 8GB〜16GB〜

モデルの構造と、必要メモリの増え方

LFM2.5 2.6BはLiquid AIが2026年8月に公開した2.7Bのモデルです。GGUFのヘッダには30層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。30層のうち注意機構でKVキャッシュを持つのは8層だけで、残り22層は線形注意やSSMなどKVを持たない層です。

KVヘッド8・head次元64で、同じ層数の一般的なモデルよりKVキャッシュが小さく済みます。1トークンあたりのKVキャッシュは約16KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで0.1GB、学習時の上限128,000トークンまで伸ばすと2.0GBです。

このモデルを実際に使うなら

配布元が向かないと明言している用途は、エージェント型のコーディングと、知識量を問う質問です。勧めているのは道具の呼び出し、データ抽出、RAG、長文の処理。常に考えてから答える設計で、思考の切り替えはありません。関数呼び出しは既定でPython風のリストを返し、JSONが欲しければシステムプロンプトで指示します。

KVは1トークン16KBと軽く、上限の131,072トークンでも約2GB。M2（8GB）の実効5.4GBなら本体と合わせて4.2GBで、上限まで使っても収まります。同じ2.7BのLFM2.5-VL 3Bは画像入力を足したぶん文脈が32,768に縮み、LFM2.5 8B-A1Bは総8.47BのMoE。

文章だけで長い入力を扱うならこの2.6Bが軽い。ライセンスはotherで、利用条件は配布ページの確認が先です。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはlfm2で、当サイト収録の204モデル中3本が同じ系統です。LFM2系。短い畳み込み層と注意機構の層を混ぜた小型向けの構造で、KVキャッシュが小さく省メモリです。

配布元はbartowski/LiquidAI_LFM2.5-2.6B-GGUF、元になったモデルはLiquidAI/LFM2.5-2.6Bです。

同じLiquid AIのモデルでは、サイズの近いものにLFM2.5-VL 3B（2.7B）、LFM2.5 1.2B JP（1.17B）、LFM2.5 8B-A1B（8.47B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（1.6GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全域注意が8層だけのハイブリッド構成なので、長文でもKVの増え方が緩やかです。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.1GB2.2GBVRAM 4GB〜8GB〜
8,192既定0.1GB2.2GBVRAM 4GB〜8GB〜
16,3840.3GB2.4GBVRAM 4GB〜8GB〜
32,7680.5GB2.6GBVRAM 4GB〜8GB〜
65,5361.0GB3.1GBVRAM 4GB〜8GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約0.5GBから約0.3GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル開発元4bitで必要一言
LFM2.5-VL 3BLiquid AI2.2GB画像を読める小型の3B。GPUなしのメモリ8GBのPCでも動く
Gemma 2 Baku 2Brinna2.7GBrinnaがGemma 2 2Bに日本語を追加学習した小型。GPUなしのメモリ8GBのPCでも動く
MiniCPM5 2BOpenBMB2.4GB端末で動かす前提の2B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
SmolLM3 3BHugging Face2.9GB学習手順まで公開された3B。Apache 2.0。GPUなしのメモリ8GBでも動く
Qwen2.5-VL 3BAlibaba2.6GBQwen2.5-VLの小型3B。GPUなしのメモリ8GBのPCでも動く
Qwen2.5-Coder 3BAlibaba2.6GBQwen2.5-Coderの小型3B。補完向け。GPUなしのメモリ8GBのPCでも動く

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら138機種で20 tok/s以上、4機種で8〜20 tok/s（テキスト生成の推定・計算方法）。

快適 20 tok/s以上（138機種）

実用 8〜20 tok/s（4機種）

遅い 動くが遅い（0機種）

  • なし

メモリに一部を逃がせば動く（0機種・CPUオフロード、PCのメモリ32GB想定）

  • なし
動かない機種（0）を見る

    今のPCのまま、LFM2.5 2.6Bを動かすために足すもの

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    NVMe SSD / 外付けSSD 2TB

    LFM2.5 2.6Bは4bit（IQ4_XS）で1.4GB、8bitのQ8_0なら2.7GB。精度違いを3種類そろえるだけで約4.3GB使います。何本か試すうちに、まず内蔵SSDが先に埋まります。Macは内蔵を増設できないので外付けが前提です。

    Amazonで「NVMe SSD 2TB」を見る →Amazonで「外付けSSD 2TB USB 3.2」を見る →

    ローカルLLM / AIエージェント入門書

    LFM2.5 2.6BのようなGGUF版のモデルを落として動かす手順、量子化の選び方、Ollama と LM Studio の使い分けは、一冊まとまったものを手元に置くと早い。

    Amazonで「ローカルLLM 本」を見る →Amazonで「AIエージェント 開発 本」を見る →

    LFM2.5 2.6Bを動かせるPC・Macを今日買うなら

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    ぴったりデスクトップ（BTO）

    RTX 5060（8GB）デスクトップ・メモリ32GB

    画像生成の入門と8BクラスのローカルLLM。最安のGPU機

    RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円

    要件を満たす中で最も手頃

    Amazonで「RTX 5060 搭載 デスクトップPC」を見る →
    余裕を持つならデスクトップ（BTO）

    RTX 5070（12GB）デスクトップ・メモリ32GB

    SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く

    RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円

    将来の用途拡張（大きなモデル・並列エージェント）に余裕

    Amazonで「RTX 5070 搭載 デスクトップPC」を見る →
    別の形ならMac

    Mac mini M4 Pro（メモリ48GB・SSD 1TB）

    30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

    M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

    Macで同じ仕事をするなら

    Amazonで「Mac mini M4 Pro 48GB」を見る →

    よくある質問

    LFM2.5 2.6Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル1.6GB、8,192トークンのKVキャッシュを含めて約2.2GBが必要です。GPU単体ならGeForce RTX 3050 Laptop（VRAM 4GB）から実用速度で動きます。

    LFM2.5 2.6BはMacで動く？

    動きます。ユニファイドメモリ8GB以上のApple Silicon（例: Apple M2（8GB））なら、4bit量子化で実用的な速さが出ます。

    このクラスの選び方: ローカルLLM（8Bクラス）に必要なPC / MacかWindowsか

    手持ちのPCで判定する