Liquid AI 相关 AI 资讯 · AI 热点

8月21日

03:04

03:04

官方一手marktechpost@Asif Razzaq

精选

Liquid AI发布了LFM2.5-DSpark模型。该模型通过推测性解码技术，在保持输出结果不变的情况下，将解码速度提升了最高3.18倍。新模型包含三个约3亿参数的drafters。

AI模型 Liquid AI LFM2.5 推测性解码

推荐理由：Liquid AI给LFM2.5模型加了三个drafters，解码速度能快3.18倍，但输出结果和原来一模一样，不用改现有应用就能用。

8月14日

00:05

00:05

官方一手marktechpost@Asif Razzaq

Liquid AI发布LFM2.5-VL-3B，一个3.1B参数的视觉语言模型，专为端侧部署设计。该模型在ScreenSpot-v2上平均得分80.7，在RefCOCO指代分割任务上从57.1提升至87.9。函数调用能力首次加入VL系列，ToolSandbox得分从26.4跃升至59.5。模型体积约3GB，在Apple M5 Max上解码速度达228 tokens/s。

AI模型 LFM2.5-VL-3B Liquid AI 视觉语言模型

推荐理由：Liquid AI把视觉语言模型塞进端侧，能读屏、指物、调工具，3GB体积在苹果芯片上跑得飞快。

8月7日

12:12

12:12

官方一手marktechpost@Asif Razzaq

精选

Liquid AI发布LFM2.5-2.6B，一个2.69B参数的端侧代理模型。它支持131,072 tokens上下文和工具调用，可在设备上独立完成多步任务。该模型在M5 Max上解码速度达220 tokens/s，内存占用低于2.5GB。开放权重提供GGUF、MLX和ONNX格式。

AI模型 LFM2.5-2.6B Liquid AI 智能体

推荐理由：Liquid AI出了个2.6B的小模型，能在端侧跑智能体，带128K上下文和工具调用，占不到2.5GB内存，速度还很快。

8月5日

20:32

20:32

techcrunch@Ivan Mehta

MacPaw与Liquid AI达成合作，将其AI助手Eney的本地版本基于Liquid AI模型构建。合作面向为MacPaw应用商店开发应用的开发者，提供设备端推理能力。开发者无需将用户数据上传至云端即可运行AI功能。MacPaw强调这一方案可在本地完成推理，兼顾响应速度与隐私保护。

行业 MacPaw Liquid AI 设备端推理

推荐理由：MacPaw跟Liquid AI合作，给自家商店的开发者提供本地跑AI的能力，数据不用上传云端，做隐私敏感应用挺合适。

13:56

13:56IT之家（博客/媒体）

Liquid AI 推出 LFM2.5-2.6B 开源智能体模型，参数仅 26 亿，可在智能手机上本地运行。该模型在 34T Token 数据集上预训练，并增强了对非拉丁字母语言的支持。基准测试显示，LFM2.5-2.6B 在指令执行和几乎所有工具使用项目中领先 gemma-4-E2B-it、gemma-4-E4B-it、Qwen3.5-4B 等更大模型，仅在 BFCLv4 中落后于 Qwen3.5-9B。在 STEM 领域，AA Omniscience 测试领先，编程仍是更大模型的优势领域。

AI模型 LFM2.5-2.6B Liquid AI 端侧小模型

推荐理由：想在手机上跑智能体？Liquid AI 这个 2.6B 小模型本地就能跑，指令和工具调用还干翻了不少大模型。

8月4日

22:35

22:35官方一手Hugging Face: Blog（博客/媒体）

Liquid AI 推出 LFM2.5-2.6B，一个 26 亿参数的语言模型。该模型面向本地智能体部署，减少对云端依赖。模型权重托管在 Hugging Face，开发者可直接下载。其体积适合在边缘设备上运行。

AI模型 LFM2.5-2.6B Liquid AI 智能体

推荐理由：想在自己电脑上跑智能体？Liquid AI 的 LFM2.5-2.6B 只有 2.6B 参数，不用联网，下载就能用。

7月29日

17:44

17:44

官方一手marktechpost@Asif Razzaq

Liquid AI 推出了两个开源双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，均支持 8192 token 上下文窗口，基于 LFM2 混合主干架构。350M 版本在包含 17 个任务的 GLUE、SuperGLUE 和多语言基准测试中排名第四，仅落后于更大的模型。230M 版本在 CPU 上完成一次 8K token 前向传播仅需约 28 秒。这两个模型专为 CPU 高效推理设计，保持快速处理长上下文。

AI模型 LFM2.5-Encoder-230M LFM2.5-Encoder-350M Liquid AI

推荐理由：Liquid AI 新出的两个双向编码器，230M 在 CPU 上跑 8K 上下文只要 28 秒，350M 在 GLUE 等基准排第四，适合做嵌入和分类任务。

7月8日

00:59

00:59

官方一手marktechpost@Asif Razzaq

72°

Liquid AI开源了Antidoom方法，通过Final Token Preference Optimization（FTPO）技术定位并重训推理模型中导致循环的起始token。在LFM2.5-2.6B模型上，doom-loop率从10.2%降至1.4%；在Qwen3.5-4B上，从22.9%降至1%。所有代码包括生成、检测和训练器都已开源。

AI模型 Liquid AI Antidoom FTPO

推荐理由：推理模型老卡死？Liquid AI开源了Antidoom，用FTPO把循环率从22.9%打到1%，直接干掉死循环。

6月28日

13:01

13:01

官方一手marktechpost@Asif Razzaq

精选

Liquid AI 发布了 LFM2.5-230M，这是其最小的 230M 参数开源权重模型。该模型在 Galaxy S25 Ultra 上达到 213 tok/s，在 Raspberry Pi 5 上为 42 tok/s。基于 LFM2 架构，它专注于工具使用和数据提取，在指令遵循上击败了 Qwen3.5-0.8B 和 Gemma 3 1B 等更大模型。模型支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX 框架。

AI模型 LFM2.5-230M Liquid AI 开源模型

推荐理由：Liquid AI 出了个超小模型 LFM2.5-230M，手机跑 213 tokens 每秒，树莓派也能跑 42，指令遵循还比 Qwen3.5-0.8B 和 Gemma 3 1B 强。

6月27日

21:12

21:12

官方账号LMSYS Org (SGLang)@lmsysorg

精选

Liquid AI 发布了 LFM2.5-230M 模型，参数规模仅 230M，是其最小模型。该模型基于 LFM2 架构，专为设备端部署设计，推理速度极快。它可在云端 GPU 和低成本 CPU 上运行，并支持工具调用和结构化数据提取。性能超过两倍参数量的模型，且已获 SGLang 的 Day 0 支持。

AI模型 LFM2.5-230M Liquid AI SGLang

推荐理由：Liquid AI 新出的 230M 小模型，跑得飞快，还能干工具调用的活，比两倍大的模型还强。

6月26日

02:16

02:16

官方账号vLLM@vllm_project

精选

vLLM 宣布 Day-0 支持 Liquid AI 的 LFM2.5-230M 小模型。该模型仅 230M 参数，预训练于 19T tokens 且支持 32K 上下文。专为手机、机器人、家庭自动化和网络设备上的 agent 任务设计。可运行于 CPU、NPU 和 GPU 等硬件。

AI模型 LFM2.5-230M vLLM Liquid AI

推荐理由：vLLM 第一时间给 Liquid AI 的 LFM2.5 小模型做了适配，230M 参数跑 agent 任务，手机、机器人上都能用。

6月19日

18:36

18:36

官方一手marktechpost@Asif Razzaq

Liquid AI推出两个350M参数的多语言检索模型：LFM2.5-Embedding-350M（稠密双编码器）和LFM2.5-ColBERT-350M（后期交互模型），支持11种语言。模型专为边缘设备设计，可快速执行跨语言搜索。其ColBERT架构在保持高精度的同时，能处理句子级交互匹配。

AI模型 LFM2.5-Embedding-350M LFM2.5-ColBERT-350M Liquid AI

推荐理由：Liquid AI出了两个轻量模型，350M参数就能做11种语言的搜索，还能装到手机等边缘设备上跑。

5月30日

01:17

01:17

berryxia@berryxia

Liquid AI 发布 LFM2.5-8B-A1B 模型，这是一个 8B MoE 模型，但仅需 1.5B 活跃参数即可运行。该模型经过 38T tokens 训练和大规模 RL，支持 128K 上下文，工具调用和多步 Agent 能力接近 4 倍参数模型。单台笔记本即可运行完整本地 Agent 循环，延迟低且全程隐私安全，无需调用 GPT-4o 或 Claude。支持 llama.cpp、MLX、vLLM 等框架，覆盖 Apple、NVIDIA、AMD 硬件，表明本地 Agent 落地比预期更快。

AI模型 Liquid AI LFM2.5-8B-A1B MoE

推荐理由：本地 Agent 开发者终于不用等大模型了——1.5B 活跃参数就能跑出接近 4 倍参数模型的效果，笔记本就能部署，隐私和延迟都解决了，做本地自动化的建议直接试。

5月29日

07:36

07:36

官方一手marktechpost@Asif Razzaq

Liquid AI 发布了 LFM2.5-8B-A1B，一款面向端侧设备的混合专家（MoE）模型。该模型总参数量为 8.3B，但每次推理仅激活 1.5B 参数，大幅降低了计算和内存需求。它支持 128K 上下文长度，具备推理和工具调用能力，可在消费级硬件上运行。这标志着端侧 AI 模型在效率与能力之间取得了重要平衡，为移动设备和边缘计算场景提供了新的选择。

AI模型端侧模型 MoE Liquid AI

推荐理由：端侧部署大模型一直受限于算力和内存，LFM2.5-8B-A1B 用 1.5B 激活参数实现 128K 上下文和工具调用，做移动端 AI 应用或边缘推理的开发者可以直接评估其性能。