LFM2.5-2.6Bの使い方｜LM Studioで実行

こんにちは。AIあれこれ散歩道、運営者のもっちゃんです。

LFM2.5-2.6Bの使い方を調べていると、2.6Bという小ささで日本語が扱えるのか、LM Studioではどのファイルを選べばよいのか、8GBのPCでも動くのかが気になりますよね。最大128Kという数字を見ても、最初から設定してよいのか迷うところです。

LFM2.5-2.6Bは、Liquid AIが2026年8月に公開した端末内利用向けの小型言語モデルです。この記事では、WindowsとMacの必要環境、GGUFの選び方、LM Studioへの導入、日本語の初期設定、向く作業と避けたい作業、ライセンス条件まで、公式情報をもとに順番に解説します。

LFM2.5-2.6Bの使い方と必要環境

最初に、モデルの位置づけとパソコン側の条件を確認します。モデルファイルが小さくても、実行中は追加のメモリを使います。数字だけで決めず、量子化、コンテキスト長、使うアプリをセットで考えましょう。

どんな小型モデルか

LFM2.5-2.6Bは、Liquid AIが端末内のエージェント処理を想定して公開した言語モデルです。総パラメーター数は約26.9億、学習に使われたトークンは約34兆、語彙数は12万8,000。最大コンテキスト長は131,072トークンで、日本語も対応言語に含まれています。

内部は30層で、22層の短い畳み込みと8層のGQAを組み合わせた構成です。仕組みの名前を覚える必要はありません。初心者が注目したいのは、数十億パラメーターの小型モデルとして、ツール呼び出し、文書からの項目抽出、RAG、長めの入力を使う処理に向けて調整されている点です。

Liquid AIの公式発表では、M5 Maxで最大220 tokens/s、使用量2.5GB未満という測定例が示されています。ただし、これはLiquid AIが選んだ機器と条件での公表値です。あなたのPCで同じ速度や容量になる保証ではありません。量子化形式、入力の長さ、CPUやGPU、実行アプリによって結果は変わります。

LFM2.5-2.6Bは、大規模なクラウドAIをそのまま置き換えるモデルではありません。小さな端末内モデルで、決まった形式の出力や軽い補助作業を近い場所で動かしたい時に候補になります。モデルの仕様はLiquid AI公式モデルカードでも確認できます。

WindowsとMacの必要条件

この記事では、コードを書かずに試しやすいLM Studioを使います。LM Studioの公式要件では、Windowsはx64またはARMに対応し、x64版ではAVX2が必要です。MacはApple Silicon搭載機でmacOS 13.4以降、MLXを使う場合はmacOS 14以降が案内されています。Linuxはx64とARM64向けのAppImageがあり、Ubuntu 20.04以降が目安です。

メモリは16GBが推奨です。8GBでも小型モデルを控えめなコンテキストで動かせる場合がある、と公式文書には書かれています。ここで大切なのは「8GBなら必ず動く」ではなく、OSや他のアプリが使う分を差し引いた空き容量で決まること。ブラウザのタブを大量に開いたままでは、同じPCでも余裕が減ります。

Windowsで専用GPUを使うなら、LM Studioは4GB以上のVRAMを推奨しています。ただし、GPUがなくてもCPUで試せる場合はあります。速度や対応命令は機種で差が出るため、購入前の一律な保証にはできません。まずは現在のPCで小さな量子化を試し、用途に足りるかを見る方が無駄が少ないでしょう。

LM Studio自体の対応条件は更新される可能性があります。インストール前にLM Studio公式システム要件を開き、あなたのOSとCPUが対象に入っているか確認してください。

量子化モデルの選び方

LM Studioでは、GGUFという形式の量子化モデルを選ぶと始めやすいです。量子化は、数値の表し方を小さくして、ファイル容量と必要メモリを抑える方法。小さくするほど扱いやすくなる一方で、回答の品質が変わることがあります。

迷ったらQ4_K_Mから始め、回答の崩れが気になる時にQ5_K_MやQ8_0を比べる方法が分かりやすいです。PCに余裕があるからといって、最初から最大ファイルを選ぶ必要はありません。同じ質問をいくつか用意し、正確さ、速度、メモリ使用量を自分の用途で比べます。

表の容量はHugging Faceで配布されているファイルそのものの大きさです。実行時の総メモリ使用量ではありません。LM Studio本体、モデル展開、KVキャッシュ、入力文、OSが別にメモリを使います。保存先に1.67GB空いているだけでは十分とは限らない点に注意してください。

量子化を比べる時は、毎回違う質問を投げると判断しにくくなります。要約、項目抽出、簡単な説明という3種類ほどの確認文を決め、同じ生成設定で試してください。返答にかかった時間だけでなく、指定したJSON形式を守ったか、本文にない数字を足していないか、日本語が途中で崩れていないかも見ます。速さより正確さを優先したい作業では、少し大きなファイルが合うこともあります。

LM Studioの導入手順

LM Studioをインストールしたら、Discoverでモデルを探し、ダウンロード後にChatへロードします。検索結果には似た名前の派生版が並ぶことがあるため、配布者名まで見てください。今回の公式GGUFは「LiquidAI/LFM2.5-2.6B-GGUF」です。

検索ではモデル名だけでなく、配布者とモデル名を組み合わせるか、Hugging Faceの完全なURLを貼る方法が公式文書に案内されています。別の利用者が変換したファイルも見つかりますが、最初はLiquidAI名義の公式配布を選ぶと、版やライセンスを確認しやすいですよ。

ダウンロード中はハッシュ確認が行われるため、完了前にアプリを閉じないようにします。取得後にモデルを選択し、Chat画面へロードしてください。画面構成や名称はLM Studioの更新で変わる場合があります。最新の流れは公式のモデル取得手順で確かめられます。

初回は機密情報ではなく、「次の文章から日付と製品名をJSONで抜き出して」のような短いテスト文を使いましょう。モデルがロードできるか、文字化けしないか、出力形式を守るかを先に見ます。長いPDFやツール連携は、その後で十分です。

日本語で試す初期設定

公式モデルカードでは、基本の生成設定としてtemperature 0.1、top_k 50、repetition_penalty 1.1が案内されています。temperatureは回答のばらつき、top_kは次の語の候補範囲、repetition penaltyは同じ表現の繰り返しを抑える値です。意味が分からなければ、まず推奨値のまま試してください。

コンテキスト長は、最初から131,072にせず、4,096または8,192程度から始めるのが無難です。長くするほど入力を多く保持できますが、KVキャッシュのメモリも増えます。短い質問だけなら、最大値へ近づける利点はほとんどありません。

日本語の指示は、目的、入力、出力形式、禁止事項を分けると通りやすくなります。たとえば「次の文章から会社名と日付を抜き出す。出力はJSONだけ。本文にない情報は推測しない」と書き、その後に対象文を続けます。曖昧な頼み方で結果が揺れた時は、モデルサイズのせいと決めつけず、入力を短くして条件を一つずつ足してください。

会話履歴が長くなった時に返答が不安定なら、新しいチャットで同じ確認文を試します。過去のやり取りもコンテキストへ入るため、古い条件と新しい条件が衝突する場合があるからです。期待した形式にならない時は、例を一つだけ示す、必須キーを列挙する、出力後にJSONとして読めるか検査する、という順番で直すと原因を切り分けやすくなります。

日本語対応は、あらゆる日本固有の知識を正確に答えられるという意味ではありません。日本語で指示と回答を扱えることと、最新の国内制度を知っていることは別です。知識が必要な質問では信頼できる資料を与えるか、検索できるクラウドAIと役割を分けてください。

LFM2.5-2.6Bの使い方と注意点

モデルを動かせたら、次は仕事の選び方です。小型だからこそ手元で素早く試せる一方、知識量や複雑な推論には限界があります。適した役割、128Kの扱い、ツール権限、ライセンスを確認します。

向いている作業

Liquid AIは、LFM2.5-2.6Bをツール利用、データ抽出、RAG、長文コンテキストを伴うエージェント処理に向けたモデルとして案内しています。ここでいうツール利用は、モデルが必要な関数名と引数を返し、外部プログラムが実行し、その結果をモデルへ戻す流れです。モデル単体が勝手にパソコンを操作するわけではありません。

具体的には、定型文から氏名や日付をJSONへ抜き出す、手元の文書を検索して回答候補を作る、決められた候補から次の操作を選ぶ、といった範囲で試しやすいでしょう。出力形式を検査できる作業なら、誤りを自動で弾けます。反対に、正解を判定できない自由な相談を丸ごと任せる用途は慎重にしてください。

LM Studioでは、モデルを取得した後のチャット、文書との対話、ローカルサーバーをオフラインで利用できます。入力が端末を離れない構成を作れるため、クラウドへ送りたくないテスト文で試す価値があります。ただし、モデル検索、ダウンロード、ランタイムの取得、更新確認にはインターネットが必要です。

オフラインで使える範囲はLM Studio公式オフライン案内にまとまっています。ローカルで動かすことと、安全性が自動で確保されることは同じではありません。保存先、ログ、バックアップ、連携するツールまで含めて確認しましょう。

ツールをつなぐ前に、AIエージェントの権限管理も確認しておくと安心です。読み取りだけで足りる作業に、削除や送信の権限まで渡さないこと。実行前確認、対象フォルダの限定、ログ保存を用意すれば、モデルの誤判断がそのまま大きな変更になる危険を減らせます。

苦手な作業

公式モデルカードは、エージェント型コーディングと知識量を多く求める課題を推奨用途にしていません。複数ファイルをまたぐ大規模な修正、最新ニュースの断定、専門分野の最終判断などを、小型モデルだけで完結させる使い方は避けた方がよいでしょう。

2.6Bクラスは軽さが魅力ですが、学習済み知識や複雑な指示への追従では、より大きなモデルと差が出る場面があります。回答が短い、指示の一部を落とす、存在しない出典を作る、同じ文を繰り返す、といった挙動が出たら、量子化、入力、設定、モデルの役割を見直します。

コーディングを主目的にするなら、手元の小型モデルへ全面的に任せるより、CodexをWindowsで導入する手順のように、コード確認や実行を前提にした道具も比較してください。一般知識や複数言語の相談を重視する場合は、DeepSeekの特徴と使い方も選択肢を考える材料になります。

大切なのは、同じ質問でモデルを競わせることではなく、失敗しても戻せる作業を渡すことです。下書き、候補作成、項目抽出は人が確かめられます。送信、購入、削除、公開は、間違えた時の影響が大きいため、モデルの出力を直接つながない方が安全です。

128K利用時のメモリ

131,072トークンは、モデルが扱える最大コンテキスト長です。「どのPCでも128Kを快適に使える」「常に128Kを設定すると回答が良くなる」という意味ではありません。入力を保持するKVキャッシュは、コンテキストを長くするほど多くのメモリを使います。

モデルファイルが約1.67GBのQ4_K_Mでも、128Kを設定した実行時の使用量は1.67GBだけでは済みません。キャッシュの形式、GPUへ載せる層、同時に処理する数、LM Studioのランタイムで変わるため、一つの固定値にはできないのです。

LM Studioのコマンドラインには、モデルを実際にロードせずメモリ量を見積もる「lms load –estimate-only」の案内があります。画面版だけを使う人も、無理に128Kへ上げず、短い設定から様子を見る考え方は同じです。メモリ不足でOS全体が遅くなったら、コンテキストを下げ、他のアプリを閉じ、それでも足りなければ小さい量子化を試します。

長文を入れる時は、全文を毎回渡す前に、必要な章だけ切り出せないか考えてください。RAGで関連部分を検索してからモデルへ送る方法なら、少ない入力で済む場合があります。128Kは便利な上限ですが、情報を詰め込むほど答えが自動的に正確になるわけではありません。

また、トークン数と日本語の文字数は同じではありません。文章の内容、記号、英数字によって分割のされ方が変わるため、「日本語何文字なら128Kに収まる」と固定換算しないでください。LM Studioで実際の使用量を見ながら余白を残し、回答に必要な分もコンテキスト内へ確保します。入力だけで上限近くまで埋めると、出力が途中で終わる可能性があります。

ライセンスと商用利用

LFM2.5-2.6Bは、LFM Open License v1.0で公開されています。モデルを取得できることと、どんな会社でも無条件に商用利用できることは同じではありません。公開前や製品へ組み込む前に、必ずライセンス原文を読みましょう。

ライセンスは、ソフトウェアとモデルの利用、複製、変更、配布などに関する許諾を定めています。再配布する場合は、ライセンスの写しを同梱する、変更したことを示す、著作権や特許などの通知を保持する、といった条件があります。自分のPCで試すだけの場合と、変更モデルを顧客へ配る場合では確認項目が違います。

商用利用には年間売上高の条件があります。法人の年間売上高が1,000万米ドルを超える場合、その法人による商用利用は、このライセンスの許諾範囲に含まれないと記載されています。連結範囲や利用形態の判断が必要になる場合もあるため、「無料モデルだから会社でも自由」と決めないでください。

モデルが生成した文章やコードについても、第三者の権利を侵害しないとは限りません。公開前に引用、商標、個人情報、既存コードとの一致を確認します。ライセンス表示だけで、出力物に関する全ての確認が終わるわけではない点も覚えておきましょう。

よくある質問

Q1. メモリ8GBのPCでも使えますか？

A. LM Studioは、8GBでも小型モデルを控えめなコンテキストで動かせる場合があると案内しています。ただし、機種、空きメモリ、OS、量子化によるため保証はできません。Q4_K_Mと短いコンテキストから試してください。

Q2. 日本語で質問しても大丈夫ですか？

A. 公式モデルカードの対応言語に日本語が含まれています。ただし、日本の制度や最新ニュースを全て正確に知っているわけではありません。日付や固有名詞を含む回答は元資料と照合しましょう。

Q3. 無料で商用利用できますか？

A. LFM Open License v1.0には商用利用の条件があり、年間売上高1,000万米ドルを超える法人は同ライセンスの商用許諾に含まれません。再配布条件もあるため、用途ごとに原文を確認してください。

Q4. インターネット接続は必要ですか？

A. LM Studioとモデルの取得、モデル検索、ランタイム更新には接続が必要です。取得後のチャット、文書との対話、ローカルサーバーはオフラインで使えます。外部ツールをつなぐ場合は、その通信先も別に確認してください。

Q5. どの量子化を最初に選べばよいですか？

A. 迷ったら約1.67GBのQ4_K_Mから始めると比較しやすいです。出力の品質が用途に足りず、メモリに余裕があればQ5_K_MやQ8_0も同じ質問で試してください。

LFM2.5-2.6Bの使い方まとめ

LFM2.5-2.6Bは、約26.9億パラメーターで日本語に対応し、LM StudioからGGUFを読み込める小型モデルです。初回はQ4_K_M、4Kから8K程度のコンテキスト、短い日本語質問という小さな条件で始めると、PCとの相性を確かめやすくなります。

ツール利用や項目抽出、RAGの候補になりますが、エージェント型コーディングや知識量を多く求める判断は公式の推奨用途ではありません。最大128Kも常用設定ではなく、必要な入力に合わせて段階的に増やす上限です。

まずは公開情報だけを使い、短い抽出作業を一つ試してみてください。小さなモデルは、できることを見極めて役割を絞るほど扱いやすくなります。クラウドAIと競わせるより、端末内で任せたい範囲を決めることが、LFM2.5-2.6Bを安全に活用する近道です。