Liquid AI 公司於2025年7月發佈第二代 Liquid Foundation Models（LFM2），採用創新的“liquid”架構，旨在成爲市場上最快的設備端基礎模型。其高效的訓練和推理能力使小模型能媲美雲端大型語言模型。LFM2 最初提供350M、700M 和1.2B 參數的密集檢查點版本。
Liquid AI推出LFM2-8B-A1B模型，採用稀疏激活MoE架構，總參數量8.3B但每token僅激活1.5B參數。該設計在保持高表示能力的同時顯著降低計算負載，突破“小規模MoE低效”認知，專爲資源受限的邊緣設備優化，支持實時交互場景。
Liquid AI發佈LFM2-VL系列視覺語言基礎模型，推動多模態AI向輕量化、快速化和設備端部署發展。該系列包含450M和1.6B兩款輕量級模型，前者適用於資源受限環境，後者支持單GPU部署。模型基於LFM2架構，整合了視覺與語言處理能力。
Liquid AI推出LFM2-VL視覺語言模型系列，專爲低延遲和設備部署優化。包括450M和1.6B兩個高效變體，適用於手機、筆記本、可穿戴設備等，兼顧速度與準確性。相比現有模型，GPU推理速度提升兩倍，推動多模態AI應用發展。
LiquidAI
PyLate是一個專注於句子相似度計算和信息檢索的工具庫，能在多種數據集上進行高效的信息檢索任務，為相關領域的研究和應用提供了有力支持。該模型支持8種語言，在多個基準測試中表現出色。
LFM2-VL-3B是Liquid AI開發的多模態視覺語言模型，基於LFM2骨幹架構構建，具備強大的視覺理解和推理能力，特別在細粒度感知任務上表現出色。該模型能夠高效處理文本和圖像輸入，支持高達512×512分辨率的原生圖像處理。
mradermacher
這是afkfatih/LFM2-8B-A1B-TR模型的量化版本，提供多種GGUF量化格式。該模型是一個80億參數的多語言大語言模型，特別針對土耳其語進行了優化，支持包括英語、中文、阿拉伯語等9種語言。
nightmedia
LFM2-8B-A1B-qx86-hi-mlx是基於MLX格式的高效推理模型，從LiquidAI/LFM2-8B-A1B轉換而來。該模型採用混合專家架構，在推理任務中表現出卓越的效率，特別擅長複雜邏輯推理任務，同時支持多語言處理。
mlx-community
這是一個基於LiquidAI/LFM2-8B-A1B模型轉換的8位量化版本，專為Apple MLX框架優化。該模型是一個8B參數的混合專家模型，支持多語言文本生成任務。
LFM2-8B-A1B是針對蘋果硅芯片優化的8位量化MLX構建版本，採用專家混合（MoE）架構，總參數約80億，每個令牌激活約10億參數，支持設備端快速推理。
purrgpt-community
Tiny-Purr-350M是基於LiquidAI/LFM2-350M微調的對話模型，在Tiny-Purr-2數據集上訓練，具有隨意、友好且以貓為主題風格的對話回覆能力，支持中英雙語。
bartowski
這是LiquidAI的LFM2-1.2B-RAG模型的GGUF量化版本，專門為檢索增強生成(RAG)任務優化。該模型經過多種量化處理，提供從bf16到Q2_K等多種量化級別，適用於不同硬件條件和性能需求。
Mungert
LFM2是由Liquid AI開發的新一代混合模型，專為邊緣AI和設備端部署而設計，在質量、速度和內存效率方面樹立了新標準。該模型採用創新的混合Liquid架構，具有乘法門和短卷積，支持多語言處理。
LFM2是由Liquid AI開發的新一代混合模型，專為邊緣AI和設備端部署設計。該模型在質量、速度和內存效率方面樹立了新標準，特別適合在資源受限的環境中運行。
這是LiquidAI/LFM2-350M-ENJP-MT模型的靜態量化版本，支持英語和日語的雙向翻譯任務，專為邊緣計算場景優化，提供多種量化選項以適應不同硬件需求。
LFM2-Audio-1.5B是Liquid AI推出的首個端到端音頻基礎模型，專為低延遲和即時對話設計。該模型僅15億參數，能夠實現無縫的對話交互，其能力可與參數規模大得多的模型相媲美。
kurakurai
Luth-LFM2-700M 是基於 Liquid AI 的 LFM2-700M 模型進行法語微調的版本。該模型在 Luth-SFT 數據集上訓練，顯著提升了法語指令遵循、數學和常識推理能力，同時保持了原有的英語能力。
這是LiquidAI的LFM2-VL-1.6B模型的量化版本，使用llama.cpp進行imatrix量化處理，提供多種量化級別選擇，能夠在不同硬件條件下高效運行視覺語言模型。
sabaridsnfuji
日本收據視覺語言模型lfm2-450M是一款專門用於理解和處理日本收據的視覺語言模型。它基於LiquidAI的LFM2-VL-450M基礎模型構建，能夠分析收據圖像，提取結構化信息，回答關於收據內容的問題，並以日語和英語提供詳細描述。
Luth-LFM2-350M 是與 Liquid AI 合作開發的法語優化語言模型，基於 LFM2-350M 在 Luth-SFT 數據集上進行法語微調。該模型在保持英語能力的同時，顯著提升了法語指令遵循、數學推理和常識問答能力。
lmstudio-community
LFM2-1.2B是由LiquidAI推出的多語言文本生成模型，支持英語、中文、阿拉伯語等多種語言，為文本創作等場景提供強大助力。該模型經過MLX優化，特別適配蘋果硅芯片。
LFM2-1.2B是由LiquidAI推出的1.2B參數規模的多語言文本生成模型，針對蘋果硅芯片進行了優化。
LFM2是由Liquid AI開發的新一代混合模型，專為邊緣AI和設備端部署而設計，在質量、速度和內存效率方面樹立了新標準。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
