@maximelabonne: 我们刚刚发布了两个新的编码器模型（MLM）在2026年。它们非常快，易于训练，并且多语言能力强。试试…
摘要
Liquid AI发布了两个新的编码器模型，LFM2.5-Encoder-230M和LFM2.5-Encoder-350M。这些模型快速、易于训练且多语言能力强。速度基准测试显示，与ModernBERT-base相比，CPU性能提升了3.7倍以上。
查看缓存全文
缓存时间: 2026/07/28 16:36
我们刚刚发布了两个新的编码器模型（MLM），2026年 🚀🚀🚀
它们速度极快、易于训练，且具备强大的多语言能力。
立即试用：我们在 @huggingface 上创建了5个演示
Liquid AI（@liquidai）： 今天我们发布 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M：双向编码器，即使在 CPU 上处理长上下文也能保持高速。
> LFM2.5-Encoder-230M：在 8,192 个 token 下，CPU 上的前向传播速度约为 ModernBERT-base 的 3.7 倍。每次前向传播不到 30 秒，而后者需要超过一分半钟。
相似文章
LFM2.5-编码器：用于CPU上快速长上下文推理
Liquid AI发布LFM2.5-编码器（230M和350M），这是为CPU上长上下文推理优化的高效编码器模型，在基准测试中匹配或超越更大编码器，相比ModernBERT-base实现3.7倍加速。
@maximelabonne：像2020年那样训练编码器！
Liquid AI 对其 LFM2.5-Encoder 模型（230M 和 350M）进行了微调，使其能够在单次前向传播中执行多标签分类，无需解码循环或解析。这展示了在 NLP 任务中进行高效标签评分的潜力。
LiquidAI/LFM2.5-ColBERT-350M
LiquidAI 发布 LFM2.5-ColBERT-350M，这是一种后期交互多语言检索模型，同时还有一个密集双编码器变体，两者均基于 LFM2.5-350M-Base，支持 11 种语言，并设计为 RAG 管道的即插即用替代品。
@liquidai: 介绍 LFM2.5-Embedding-350M 和 LFM2.5-ColBERT-350M：两款为超快且精准的多语言检索模型
Liquid AI 推出 LFM2.5-Embedding-350M 和 LFM2.5-ColBERT-350M，这两款多语言检索模型经过优化，可在11种语言中实现快速准确的搜索，延迟低至1.5毫秒。
LiquidAI/LFM2.5-Embedding-350M
Liquid AI 发布了 LFM2.5-Embedding-350M，这是一种密集双编码器，用于多语言检索，支持11种语言，可作为 RAG 流水线的直接替代方案。