LiquidAI推出輕量級AI模型系列Liquid Nanos，專爲樹莓派等邊緣計算設備設計。該系列提供350M和1.2B兩種參數版本，支持翻譯、信息抽取、RAG、工具調用和數學推理五大應用場景，滿足低功耗高性能需求，爲開發者提供多樣化邊緣AI解決方案。
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。
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。
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。
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。
mradermacher
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。
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。
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。
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，在質量、速度和內存效率方面樹立了新標準。
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，在質量、速度和內存效率方面樹立了新標準。
LFM2-700M 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，在質量、速度和內存效率方面樹立了新標準。
LFM2-350M 是由 Liquid AI 開發的混合模型，專為邊緣 AI 和設備端部署設計，具有高效訓練和推理能力。
%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)
