今天，我们发布 QAD Q4_0 GGUF 文件。这些是针对 LFM2.5-230M、LFM2.5-350M、LFM2.5-1.2B-Instruct 和 LFM2.5-2.6B 的更新版 4-bit 检查点。它们让开发者能够以 Q4_0 的内存占用和速度运行 LFM2.5 模型，而不会出现通常的质量下降：

• 采用量化感知蒸馏（QAD）训练：将高精度教师模型蒸馏到量化学生模型中
• 与原生 Q4_0 相同的内存和速度：它们保持了 Q4_0 GGUF 的低内存占用和高吞吐量
• 恢复率：量化导致的 BF16 平均精度损失中，有 97% 得以恢复

基准测试结果

对于全部四个模型，我们将它们发布的、通过训练后量化（PTQ）生成的 GGUF 文件与训练得到的 QAD Q4_0 检查点，在一套涵盖推理、指令遵循、工具使用和智能体能力的基准测试套件上进行了对比：GPQA Diamond、MMLU-Pro、IFEval、IFBench、Multi-IF 和 BFCLv4。BF16 GGUF 作为该格式内的性能上限参考。我们还额外加入了一项规模匹配的数学评测：LFM2.5-230M 和 LFM2.5-350M 使用 GSM8K，LFM2.5-1.2B-Instruct 和 LFM2.5-2.6B 使用 AIME25。我们报告五次重复实验的平均值。

在全部四个模型上，QAD 都显著提升了 Q4_0 检查点的性能。QAD 检查点分别保留了各自 BF16 基线性能的 97.1%、96.5%、97.4% 和 96.6%。

真实边缘硬件上的速度与体积

我们在四个目标设备上测量了 LFM2.5-230M、LFM2.5-350M、LFM2.5-1.2B-Instruct 和 LFM2.5-2.6B 这四个模型的解码吞吐量：MacBook Pro、NucBox EVO-X2、三星 Galaxy S26 Ultra 和 Raspberry Pi 5。MacBook Pro 和 NucBox 使用 GPU 推理，而三星和 Raspberry Pi 使用 Arm CPU 推理。在完成性能分析的情况下，BF16 和 F16 作为全精度参考一并展示。

230M 和 350M 的 QAD Q4_0 检查点在评估误差范围内达到了 Q5_K_M 的质量水平，同时解码吞吐量高出 4-33%。1.2B 和 2.6B 的 QAD Q4_0 检查点达到了 Q4_K_M 的质量水平，同时吞吐量高出 3-14%。QAD Q4_0 检查点还匹配了 Unsloth 的 UD-Q4_K_XL（在适用情况下，即针对 230M 和 1.2B 模型），这是一个强大的外部训练后量化检查点。

如何使用 QAD GGUF 文件

使用 llama.cpp 或任何支持 GGUF Q4_0 工件的运行时来使用这些文件。

llama-cli -hf LiquidAI/LFM2.5-350M \
  --hf-file LFM2.5-350M-QAD-Q4_0.gguf \
  -p "What is C. elegans?"

开始使用 QAD GGUF 文件

QAD GGUF 格式模型今天已在 Hugging Face 上线：LFM2.5-230M、LFM2.5-350M、LFM2.5-1.2B-Instruct 和 LFM2.5-2.6B。

我们非常期待看到你的创作。

引用

如需引用，请使用以下参考文献或 BibTeX：

Liquid AI, "LFM2.5 Q4_0: Quantization-Aware Distillation for Edge Deployment", Liquid AI Blog, Aug 2026.

或使用 BibTeX 引用

@article{liquidAI2026Q40,
  author = {Liquid AI},
  title = {LFM2.5 Q4_0: Quantization-Aware Distillation for Edge Deployment},
  journal = {Liquid AI Blog},
  year = {2026},
  note = {www.liquid.ai/blog/qad},
}