Liquid AI 將混合式專家模型 LFM2.5 開源,用於邊緣 AI
人工智慧新創公司 Liquid AI 今日正式發布並開源其最新的邊緣端大型模型LFM2.5-8B-A1B 。該模型專為在消費級硬體上執行工具調用與複雜指令遵循而設計,在保持極低運算成本的同時,大幅提升了邊緣裝置上的推理與推演效能。
在架構上,該模型採用稀疏混合專家(MoE)設計,總參數數達 83 億。得益於這種稀疏性,每處理一個字元時僅需激活 15 億個參數,使智慧型手機、筆記型電腦及類似裝置能流暢地進行本地運算。

擴展上下文與更強大的推理能力
相較於前代模型,LFM2.5 將上下文視窗從 32K 擴展至 128K 個令牌,並將預訓練資料量從 12T 增加至 38T 個令牌。 作為純推論模型,它在給出最終答案前會生成明確的推理鏈。其高度壓縮的詞彙表能高效處理包括中文和阿拉伯語在內的九種語言。
為減少長鏈推理過程中的邏輯死循環與幻覺現象,開發團隊在訓練階段採用了兩階段強化的學習(RL)。偏好優化有效削減了長鏈推理中的「死循環」,而專用的反幻覺獎勵機制則讓模型能主動拒絕回答超出其知識庫範圍的問題。
強大的邊緣運算效能與廣泛的生態系統支援
在效能方面,LFM2.5 展現了爆發性的提升。其在邏輯推理與抗幻覺基準測試中的分數遠超前代模型,甚至在指令遵循任務上可與更大規模的模型一較高下。針對工具調用,該模型預設輸出高效的 Python 函式調用,並支援透過系統提示無縫切換至 JSON 格式。
該模型在發布當日即獲得各大推論框架的全面支援,包括 llama.cpp、MLX、vLLM 及 SGLang。 在硬體測試中,該模型於 M5 Max 晶片上達到每秒 253 位元的解碼速度,在行動裝置上則約為每秒 30 位元,完美平衡了邊緣部署所需的隱私與效率。
相關文章
印度科技巨頭投資3000萬美元,打造微軟Office的AI競爭對手
連續創業者 Bhavin Turakhia 正投入 3000 萬美元自有資金,押注企業 AI 領域仍有新玩家的空間。他最新的創業專案 Neo 基於一個核心信念:傳統的職場軟體不能僅靠聊天機器人進行修補,而需要進行徹底的架構重構。46 歲的 Turakhia 有著支援雄心勃勃的企業科技專案的歷史。在過去二十年中,他聯合創立了 Directi、Radix、Titan 和 Zeta,在尋求外部投資之前,主要使用個人資本為這些專案提供資金。他正將同樣的自力更生策略應用於 Neo。Turakhia 向
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
相關專題推薦
評論 (1)
0/500
人工智慧新創公司 Liquid AI 今日正式發布並開源其最新的邊緣端大型模型
在架構上,該模型採用稀疏混合專家(MoE)設計,總參數數達 83 億。得益於這種稀疏性,每處理一個字元時僅需激活 15 億個參數,使智慧型手機、筆記型電腦及類似裝置能流暢地進行本地運算。

擴展上下文與更強大的推理能力
相較於前代模型,LFM2.5 將上下文視窗從 32K 擴展至 128K 個令牌,並將預訓練資料量從 12T 增加至 38T 個令牌。 作為純推論模型,它在給出最終答案前會生成明確的推理鏈。其高度壓縮的詞彙表能高效處理包括中文和阿拉伯語在內的九種語言。
為減少長鏈推理過程中的邏輯死循環與幻覺現象,開發團隊在訓練階段採用了兩階段強化的學習(RL)。偏好優化有效削減了長鏈推理中的「死循環」,而專用的反幻覺獎勵機制則讓模型能主動拒絕回答超出其知識庫範圍的問題。
強大的邊緣運算效能與廣泛的生態系統支援
在效能方面,LFM2.5 展現了爆發性的提升。其在邏輯推理與抗幻覺基準測試中的分數遠超前代模型,甚至在指令遵循任務上可與更大規模的模型一較高下。針對工具調用,該模型預設輸出高效的 Python 函式調用,並支援透過系統提示無縫切換至 JSON 格式。
該模型在發布當日即獲得各大推論框架的全面支援,包括 llama.cpp、MLX、vLLM 及 SGLang。 在硬體測試中,該模型於 M5 Max 晶片上達到每秒 253 位元的解碼速度,在行動裝置上則約為每秒 30 位元,完美平衡了邊緣部署所需的隱私與效率。
印度科技巨頭投資3000萬美元,打造微軟Office的AI競爭對手
連續創業者 Bhavin Turakhia 正投入 3000 萬美元自有資金,押注企業 AI 領域仍有新玩家的空間。他最新的創業專案 Neo 基於一個核心信念:傳統的職場軟體不能僅靠聊天機器人進行修補,而需要進行徹底的架構重構。46 歲的 Turakhia 有著支援雄心勃勃的企業科技專案的歷史。在過去二十年中,他聯合創立了 Directi、Radix、Titan 和 Zeta,在尋求外部投資之前,主要使用個人資本為這些專案提供資金。他正將同樣的自力更生策略應用於 Neo。Turakhia 向
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統





首頁






