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。
LiquidAI
PyLate是一个专注于句子相似度计算和信息检索的工具库，能在多种数据集上进行高效的信息检索任务，为相关领域的研究和应用提供了有力支持。该模型支持8种语言，在多个基准测试中表现出色。
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。
nightmedia
LFM2-8B-A1B-qx86-hi-mlx是基于MLX格式的高效推理模型，从LiquidAI/LFM2-8B-A1B转换而来。该模型采用混合专家架构，在推理任务中表现出卓越的效率，特别擅长复杂逻辑推理任务，同时支持多语言处理。
mlx-community
这是一个基于LiquidAI/LFM2-8B-A1B模型转换的8位量化版本，专为Apple MLX框架优化。该模型是一个8B参数的混合专家模型，支持多语言文本生成任务。
purrgpt-community
Tiny-Purr-350M是基于LiquidAI/LFM2-350M微调的对话模型，在Tiny-Purr-2数据集上训练，具有随意、友好且以猫为主题风格的对话回复能力，支持中英双语。
bartowski
这是LiquidAI的LFM2-1.2B-RAG模型的GGUF量化版本，专门为检索增强生成(RAG)任务优化。该模型经过多种量化处理，提供从bf16到Q2_K等多种量化级别，适用于不同硬件条件和性能需求。
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。
mradermacher
这是LiquidAI/LFM2-350M-ENJP-MT模型的静态量化版本，支持英语和日语的双向翻译任务，专为边缘计算场景优化，提供多种量化选项以适应不同硬件需求。
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。
这是LiquidAI的LFM2-VL-1.6B模型的量化版本，使用llama.cpp进行imatrix量化处理，提供多种量化级别选择，能够在不同硬件条件下高效运行视觉语言模型。
sabaridsnfuji
日本收据视觉语言模型lfm2-450M是一款专门用于理解和处理日本收据的视觉语言模型。它基于LiquidAI的LFM2-VL-450M基础模型构建，能够分析收据图像，提取结构化信息，回答关于收据内容的问题，并以日语和英语提供详细描述。
lmstudio-community
LFM2-1.2B是由LiquidAI推出的多语言文本生成模型，支持英语、中文、阿拉伯语等多种语言，为文本创作等场景提供强大助力。该模型经过MLX优化，特别适配苹果硅芯片。
LFM2-1.2B是由LiquidAI推出的1.2B参数规模的多语言文本生成模型，针对苹果硅芯片进行了优化。
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。
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。
LFM2-700M 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。
%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)
