LFM2.5-24B-A2B peut travailler avec un navigateur connecté si un agent local sélectionne le modèle, exécute des outils sur votre ordinateur et lance Tabbit CLI. Liquid AI publie les poids et cite Pi parmi les environnements utilisés pendant le post-entraînement. Cela ne prouve pas que votre modèle, Pi, votre serveur local, Tabbit CLI et la session du site fonctionnent ensemble. Un utilisateur Reddit de Pi a signalé une bonne vitesse, mais aussi des erreurs initiales de modèle de conversation pour les appels d’outils. Vérifiez votre environnement avant une tâche réelle. Annonce Liquid AI · Carte du modèle · Discussion Pi
À retenir
La carte décrit un modèle texte à poids ouverts, avec un contexte de 131 072 tokens, destiné aux agents et aux appels d’outils.
La présence de Pi dans le post-entraînement ne garantit rien pour votre version, quantification ou serveur.
Pi charge la skill Tabbit avec
/skill:tabbit. La détection ne confirme ni l’accès au lanceur ni la connexion au site.Connectez-vous vous-même au profil Tabbit voulu. Commencez par une lecture en lecture seule et arrêtez-vous à un brouillon nommé.
Choisir une voie adaptée à votre machine
| Voie | Confirmation officielle | Décision |
|---|---|---|
| Checkpoint local avec Pi | Liquid AI cite Pi et publie des instructions locales. | À choisir si la quantification fonctionne et si l’appel d’outil est valide. |
| API Liquid Console | La page de lancement indique l’inférence API et ses tarifs. | Seulement si l’envoi des données de page à un service hébergé est autorisé. |
| Autre fournisseur ou client | Aucun appariement fonctionnel vérifié ici. | Vérifiez l’ID, le fournisseur, le format d’outil et l’accès au shell local. |
La carte indique 24B paramètres au total, 2,45B actifs et 131 072 tokens de contexte. Ces chiffres ne donnent pas la mémoire requise par votre quantification. Elle recommande aussi la recherche pour les tâches riches en connaissances. Dans le navigateur, utilisez la page comme source. Spécifications et outils
Relier Pi à Tabbit CLI sur le même ordinateur
Installez Tabbit Browser et suivez le guide de configuration CLI. Vérifiez que /model affiche le modèle et testez un appel inoffensif sur le serveur local. Confirmez ensuite que Pi détecte la skill tabbit, puis chargez-la avec /skill:tabbit. Codex utilise le sélecteur /skills, OpenCode documente @tabbit; suivez la syntaxe réelle du client. Skills Pi · Configuration de modèles Pi
Lancez diagnose avec le programme installé. Arrêtez si l’instance Tabbit est incorrecte. Si la connexion est bonne, ouvrez le site et connectez-vous vous-même. La skill, le lanceur et l’authentification du site sont trois vérifications distinctes. Consultez les guides pour relier un agent à un navigateur existant et réutiliser une session. Une session peut expirer. Pour les clients sans commande locale, lisez la comparaison CLI/MCP.
Lire un seul enregistrement sans le modifier
Choisissez une page sans risque avec un identifiant stable :
Utilise la skill Tabbit pour inspecter le [tableau de bord approuvé] ouvert dans le profil connecté.
Lis uniquement la ligne visible de l’enregistrement [ID]. N’ouvre pas les pièces jointes ni les champs cachés.
Ne modifie, n’attribue, n’enregistre, ne soumets et n’envoie rien.
Retourne l’ID, le statut, le titre et l’URL exacts. Indique « non visible » si un champ manque.
Prépare un brouillon nommé « Vérification LFM2.5 — [date] » avec les valeurs et les incertitudes.
Arrête-toi avant tout enregistrement ou envoi. Montre le brouillon et l’URL source.Le résultat doit contenir une seule ligne et sa source. Si les appels d’outil Pi sont mal formés, vérifiez d’abord le modèle de conversation et le serveur. Les retours de la communauté sont des expériences individuelles, pas un taux général d’échec. Discussion utilisateur
Garder le contrôle visible
| Étape | Vérifier | Arrêter si |
|---|---|---|
| Modèle | Pi utilise le checkpoint et le fournisseur attendus. | Le nom ou l’endpoint diffère. |
| Outil | L’appel local renvoie une réponse valide. | Les arguments manquent ou sont erronés. |
| Navigateur | Compte, espace, ID et URL correspondent. | Un élément pointe vers un autre compte. |
| Brouillon | Chaque valeur correspond à la page visible. | Une donnée est déduite sans source. |
Lire n’autorise pas à écrire. Consultez la liste de contrôle de la première tâche, la configuration Codex, le guide des profils et groupes d’onglets et celui sur les agents de navigateur. Le guide CLI couvre l’installation.
LFM2.5-24B-A2B mérite un essai local si votre machine le supporte et si l’appel d’outil est validé. Cela ne signifie pas qu’une intégration Tabbit prête à l’emploi existe. Commencez en lecture seule et approuvez chaque modification séparément.
Questions fréquentes
LFM2.5-24B-A2B peut-il utiliser mon navigateur connecté ?
Oui, si un agent local lance Tabbit CLI dans le profil où vous êtes connecté. Le modèle ne se connecte pas seul.
Liquid AI garantit-il la compatibilité Pi et Tabbit ?
Non. Pi a participé au post-entraînement, mais il faut tester serveur, modèle de conversation et connexion CLI.
Quelle syntaxe Pi charge la skill Tabbit ?
Pi utilise `/skill:tabbit`. Vérifiez d’abord que la skill est installée et détectée.
La mémoire du modèle connaît-elle les données actuelles ?
Ne vous y fiez pas. Demandez à l’agent de lire la page visible et de renvoyer son URL.
L’agent peut-il enregistrer après lecture ?
Commencez en lecture seule. Relisez le brouillon nommé et autorisez chaque modification séparément.