Liquid AI 開源決策模型 d1-3B：端側響應低至 50 毫秒
Liquid AI 開源多模態決策模型 d1-3B。該模型專為判斷和分類任務設計，不生成文字，單次前向傳播即可輸出結構化結果。在 RTX 4090 上單次決策僅需 8 毫秒，在 Jetson Orin Nano 等端側硬體上也只要 50 毫秒。
Liquid AI
Liquid AI 釋出 LFM2.5 檢索模型：350M 引數支援 11 種語言
Liquid AI 釋出兩款 350M 引數的多語言檢索模型 LFM2.5-ColBERT-350M 與 LFM2.5-Embedding-350M，支援阿拉伯語、日語等 11 種語言。二者分別針對極速檢索和高精度匹配設計，在 NanoBEIR 評測中拿下同類第一，並提供 GGUF 格式支援端側執行。
Liquid AI 釋出 LFM2-2.6B-Exp：純強化學習訓練，指令得分超大模型 263 倍
Liquid AI 釋出實驗模型 LFM2-2.6B-Exp。它基於 LFM2-2.6B 採用純強化學習訓練，在指令遵循、知識和數學基準上超越其他 3B 級別模型，其中 IFBench 得分超過了體積為其 263 倍的 DeepSeek R1-0528。模型已在 Hugging Face 開源。
Liquid AI 釋出 LFM2-VL：輕量端側視覺模型，推理速度翻倍
Liquid AI 釋出首批端側視覺語言模型 LFM2-VL，包含 450M 與 1.6B 兩種尺寸。模型專為手機、可穿戴等低算力裝置設計，GPU 推理速度比同類模型快最高 2 倍。權重已在 Hugging Face 開源，年收入 1000 萬美元以下可免費商用。
Liquid AI 釋出非 Transformer 模型 LFMs：極低記憶體處理百萬 token
MIT 衍生初創公司 Liquid AI 推出首批非 Transformer 架構模型 LFMs，涵蓋 1.3B、3.1B 和 40.3B 三款規格。新模型基於液態神經網路，能在極低記憶體佔用下處理多達 100 萬 token 序列，跑分媲美甚至超越同級傳統大模型，給端側部署和長上下文處理提供了全新路線。