标签
Liquid AI发布了Liquid Nanos，这是一系列小型基础模型（参数量350M–2.6B），能够在日常设备上运行，并在专业任务上提供前沿级别的性能。
Liquid AI 发布了 Pipette，这是一个用于设备端 AI 的开源模型评估套件，与 ArtificialAnlys 合作开发。
Liquid AI 推出 Pipette，这是一个与 ArtificialAnlys 合作创建的设备端模型评估套件，旨在改进边缘智能的基准测试。
预计 Liquid AI 将很快发布新款 100B 参数的 Liquid Foundation Model，利用其快速的 LLM 架构和高实用性的 SLMs。
Liquid AI 发布了针对其 LFM 系列的 DSpark 草稿模型，结合推测解码，在设备上实现高达4倍的解码加速，同时保持输出质量。
Liquid AI 发布了 LFM2.5-VL-3B，这是一个 3.1B 参数的视觉模型，可在 iPhone 17 上本地运行，能识别《我的世界》中的 Steve 玩偶等物体，空间定位能力显著提升（ScreenSpot-v2 桌面端从 6 分提升到 78.7 分）。
一位用户分享了在多种语言上测试Liquid AI新推出的LFM2.5-VL-3B视觉语言模型的惊人结果，指出其视觉能力很强，但指令跟随能力低于预期；Liquid AI宣布该模型能够读取屏幕、文档，并将物体定位到坐标。
Liquid4All 发布的 cookbook 仓库，包含用于在笔记本电脑、移动设备和边缘设备上基于 Liquid AI 开放权重 LFM 和 LEAP SDK 进行构建的示例、端到端教程与应用。
关于使用多种 GGUF 和 KV 缓存量化方式对 LiquidAI 的 LFM2.5-2.6B 模型进行量化的详细报告，显示该模型可适配 8GB 树莓派且性能下降极小，但提醒不要使用 Q4_K_M。
Daniel van Strien将Liquid AI的2.6B LFM2.5模型放到Hugging Face上，充当一个“图书馆管理员机器人”，使用工具调查数据集并写一句话摘要，并计划在社区提供500次评分后，让它开始提议数据集卡片的PR。
MacPaw 与 Liquid AI 合作，将设备端 AI 推理和本地内存引入其产品和应用商店，计划向开发者提供该技术栈，并推出基于积分的 AI 定价。
Liquid AI 宣布与 MacPaw 合作，为 Mac 用户带来端侧 AI，并设计专门用于 macOS AI 助手的 Liquid Foundation Models。
Liquid AI 发布了 LFM2.5-2.6B，这是一个 2.69B 参数模型，支持 128K 上下文和工具调用，专为多步骤智能体工作流优化，可在手机上以 30 tok/s 运行，Q4_K_M GGUF 文件约 1.67GB。不过，与更大的模型相比，其在编码和知识密集型任务上仍然较弱。
Liquid AI 发布了 LFM2.5-2.6B，一款专注于智能体能力的新型小模型。作者很期待测试它在文档摘要等大规模任务中的表现。
Liquid AI的后训练主管解释了如何使用LFM2.5、on-policy偏好对齐、智能体RL、课程训练和迭代模型合并，在20分钟内构建一个小于1GB的设备端模型，其工具调用可靠性超越了更大的模型。
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。
Liquid AI released LFM2.5-2.6B, a 2.6B-parameter hybrid model optimized for on-device deployment with 128K context, agentic post-training, and fast inference (220 tok/s on Apple M5 Max) under 2.5GB memory.
Liquid AI 发布了 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，这些双向编码器针对分类和检索等非生成任务进行了优化，在长上下文中提供快速的CPU推理。
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。
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。