Liquid AI 公司于2025年7月发布第二代 Liquid Foundation Models（LFM2），采用创新的“liquid”架构，旨在成为市场上最快的设备端基础模型。其高效的训练和推理能力使小模型能媲美云端大型语言模型。LFM2 最初提供350M、700M 和1.2B 参数的密集检查点版本。
Liquid AI推出LFM2-8B-A1B模型，采用稀疏激活MoE架构，总参数量8.3B但每token仅激活1.5B参数。该设计在保持高表示能力的同时显著降低计算负载，突破“小规模MoE低效”认知，专为资源受限的边缘设备优化，支持实时交互场景。
LiquidAI推出轻量级AI模型系列Liquid Nanos，专为树莓派等边缘计算设备设计。该系列提供350M和1.2B两种参数版本，支持翻译、信息抽取、RAG、工具调用和数学推理五大应用场景，满足低功耗高性能需求，为开发者提供多样化边缘AI解决方案。
Liquid AI发布LFM2-VL系列视觉语言基础模型，推动多模态AI向轻量化、快速化和设备端部署发展。该系列包含450M和1.6B两款轻量级模型，前者适用于资源受限环境，后者支持单GPU部署。模型基于LFM2架构，整合了视觉与语言处理能力。
Xai
$1.4
输入tokens/百万
$3.5
输出tokens/百万
2k
上下文长度
Anthropic
$105
$525
200
Google
$0.7
$2.8
1k
$7
$35
$2.1
$17.5
$21
Alibaba
-
$6
$24
256
Baidu
128
Bytedance
$1.2
$3.6
4
$2
$3.9
$15.2
64
LiquidAI
LFM2-VL-3B是Liquid AI开发的多模态视觉语言模型，基于LFM2骨干架构构建，具备强大的视觉理解和推理能力，特别在细粒度感知任务上表现出色。该模型能够高效处理文本和图像输入，支持高达512×512分辨率的原生图像处理。
Mungert
LFM2是由Liquid AI开发的新一代混合模型，专为边缘AI和设备端部署而设计，在质量、速度和内存效率方面树立了新标准。该模型采用创新的混合Liquid架构，具有乘法门和短卷积，支持多语言处理。
LFM2是由Liquid AI开发的新一代混合模型，专为边缘AI和设备端部署设计。该模型在质量、速度和内存效率方面树立了新标准，特别适合在资源受限的环境中运行。
LFM2-Audio-1.5B是Liquid AI推出的首个端到端音频基础模型，专为低延迟和实时对话设计。该模型仅15亿参数，能够实现无缝的对话交互，其能力可与参数规模大得多的模型相媲美。
kurakurai
Luth-LFM2-700M 是基于 Liquid AI 的 LFM2-700M 模型进行法语微调的版本。该模型在 Luth-SFT 数据集上训练，显著提升了法语指令遵循、数学和常识推理能力，同时保持了原有的英语能力。
Luth-LFM2-350M 是与 Liquid AI 合作开发的法语优化语言模型，基于 LFM2-350M 在 Luth-SFT 数据集上进行法语微调。该模型在保持英语能力的同时，显著提升了法语指令遵循、数学推理和常识问答能力。
LFM2是由Liquid AI开发的新一代混合模型，专为边缘AI和设备端部署而设计，在质量、速度和内存效率方面树立了新标准。
LFM2是由Liquid AI开发的新一代混合模型，专为边缘AI和设备端部署设计，在质量、速度和内存效率方面树立了新标准。
unsloth
LFM2 是由 Liquid AI 开发的新一代混合模型，专为边缘 AI 和设备端部署设计，在质量、速度和内存效率方面树立了新标准。
LFM2-350M是由Liquid AI开发的第二代混合模型，专为边缘AI和设备端部署设计。该模型在质量、速度和内存效率方面树立了新标准，具有3.5亿参数，支持多种语言，适用于边缘计算场景。
LFM2-700M 是由 Liquid AI 开发的新一代混合模型，专为边缘 AI 和设备端部署设计，在质量、速度和内存效率方面树立了新标准。
LFM2-350M 是由 Liquid AI 开发的混合模型，专为边缘 AI 和设备端部署设计，具有高效训练和推理能力。
Liquidsoap MCP服务器为AI助手提供准确的Liquidsoap 2.4.0文档和代码生成支持，解决LLM因版本混淆导致的错误，确保脚本编写和问题诊断的可靠性。
%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)
