Liquid AI 密集发布 LFM2/LFM2.5 端侧模型系列

Liquid AI 发布 LFM2.5-24B-A2B，24B 总参数、2B 激活参数的推理模型，主打快速、私密的端侧 Agent，是 LFM2.5 家族最大也是最后一款模型。

Liquid AI 官方文档介绍其 Liquid Foundation Models (LFM) 多模态模型家族，面向快速推理和端侧部署，统一支持 32K 上下文（LFM2.5-8B-A1B 为 128K）。

Liquid AI 发布 LFM2.5 模型家族，主打端侧 AI 部署与设备上 Agentic AI，预训练从 10T 扩展到 28T tokens，并通过强化学习扩展后训练流程。

Liquid AI 在 Hugging Face Spaces 上线一批 LFM2.5 演示，包括可在浏览器用 WebGPU 本地运行的 LFM2.5-VL-3B 和端侧 LFM2.5 研究智能体。另有英语拼写检查、多语言 PII 检测、掩码扩散与策略检查等 Space，基于 LFM2.5 或 LFM2.5 Encoder 在 CPU 上运行。

Liquid AI 发布 LFM2.5-VL-DSpark，用于在边缘设备及更广场景加速视觉语言模型。该模型属于 LFM2.5 系列，此前同系列已推出 LFM2.5-DSpark，实现从 H100 到 MacBook 最高 3.2 倍推理加速。

Liquid AI 面向消费电子厂商推出端侧 AI 方案，其高效 SLM 可为 PC、智能手机、智能扫地机器人等设备定制适配 NPU、CPU、RAM 和功耗的模型，无需新芯片即可实现智能通知、离线助手和功耗摘要等功能。该方案支持调用厂商自有 API 以打开应用、修改设置并编排设备功能，仅在复杂推理时交由云端 LLM 处理，同时以单一多模态模型覆盖文本、音频和视觉。

Liquid AI 发布 LFM2.5-2.6B，一个可完全在设备端运行的 2.6B 参数智能体模型，Base 与后训练版本已在 Hugging Face 开放。

Liquid AI 发布基于 LFM2 混合架构的双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，支持 8,192 token 上下文，面向分类、自然语言理解和 token 级任务微调，模型已上线 Hugging Face。

Liquid AI 发布其最小的模型 LFM2.5-230M，基于 LFM2 架构，预训练 19T tokens，Base 和 post-trained 版本已在 Hugging Face 开放下载。

Liquid AI 发布两款 350M 参数多语言检索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，是 LFM 家族首批双向模型，支持 11 种语言的跨语言搜索。

Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型，上下文窗口从 32,768 扩展到 128K tokens，预训练从 12T 增至 38T tokens，词表翻倍到 128,000 以提升非拉丁文字的编码效率。

Liquid AI 推出面向汽车行业的车载 AI 助手方案，其多模态模型完全运行在量产车已有的 CPU 和 NPU 上，无需云端依赖或新增硬件。方案采用边缘优先的 SLM 与混合智能体架构，单个模型支持 20+ 种语言，速度达现有方案的 5 倍，可实现亚秒级响应与自然语音、座舱视觉交互。

Liquid AI 发布 LFM2.5-VL-450M，是 LFM2-VL-450M 的升级版，新增边界框定位和文本函数调用支持，预训练从 10T 扩展到 28T tokens。

Liquid AI 发布 LFM2.5-350M，基于 LFM2 架构，预训练从 10T 扩至 28T tokens 并加入大规模强化学习，Base 和后训练模型已在 Hugging Face、LEAP 和 Playground 开放。

Liquid AI 推出面向医疗健康与生命科学的 SLM 方案，可在医院内网或 VPC 私有部署，让敏感数据留在本地。该系列模型针对临床与制药场景定制，支持文本、音频和图像的多模态处理，并采用支持 HIPAA、SaMD 变更控制模式与可审计性的架构。

Liquid AI 发布 LFM2-24B-A2B 的早期 checkpoint，总参数 24B、每 token 激活约 2.3B，是迄今最大的 LFM2 模型，开放权重已上线 Hugging Face。

Liquid AI 发布可在设备端运行的推理模型 LFM2.5-1.2B-Thinking，手机上内存占用低于 900MB，现已在 Hugging Face、LEAP 和 Playground 提供。

Liquid AI 发布 LFM2-2.6B-Transcript，专为 30–60 分钟长会议转录的本地总结设计，无需云端，已在 LEAP 和 Hugging Face 开放下载。

Liquid AI 发布 LFM2.5-1.2B 模型家族，称其为迄今最强的边缘 AI 版本，预训练从 10T 扩展到 28T tokens，并大规模引入强化学习后训练。

Liquid AI 发布 LFM2-ColBERT-350M，一个基于 LFM2 骨干的晚交互检索模型，支持用一种语言存储文档、用其他语言查询检索。在扩展的 NanoBEIR 多语言基准上，其跨语言检索能力显著优于 150M 参数的 GTE-ModernColBERT-v1，尤其在德语、阿拉伯语、韩语和日语上；尽管模型体积更大，查询和文档编码吞吐与对方相当。

Liquid AI 推出面向工业与机器人领域的本地 AI 平台，用硬件感知的定制多模态模型在现有设备上离线运行，为一线工人提供实时免手操作辅助。其智能体 LFMs 可打通 IT 与 OT 数据孤岛，跨 SCADA、PLC 和企业系统进行推理，实现实时分析、预测性维护与自主工作流。模型可直接运行在边缘 CPU、NPU、GPU 上，具备亚毫秒级响应。

Liquid AI 发布 30 亿参数视觉语言模型 LFM2-VL-3B，基于 LFM2-2.6B 主干并集成 SigLIP2 400M NaFlex 编码器，现已在 Hugging Face 和 LEAP 平台上线。

Liquid AI 发布 LFM2-8B-A1B，这是其首个端侧 MoE 模型，总参数 8.3B、每 token 激活 1.5B，以约 1.5B 级模型的计算量获得更高的模型质量。

Liquid AI 发布 LFM2-Audio-1.5B，一个支持音频与文本输入输出的端到端基础模型，将 LFM2 家族扩展到音频领域。

Liquid AI 发布 Liquid Nanos 系列 350M–2.6B 参数的端侧基础模型，主打在手机、笔记本和嵌入式设备上本地运行，并已在 LEAP 平台和 Hugging Face 上线。

Liquid AI 发布 LFM2 系列目前最大的模型 LFM2-2.6B，共 2.6B 参数，训练使用 10 万亿 token，官方称性能超过 Llama 3.2-3B-Instruct、Gemma-3-4b-it 和 SmolLM3-3B 等 3B+ 级模型。

Liquid AI 发布首批视觉语言基础模型 LFM2-VL，包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个开源变体，面向手机、笔记本、可穿戴等资源受限设备的低延迟部署。

Liquid AI 推出面向国防战术边缘的端侧 AI 方案，其多模态模型完全在设备本地运行，支持威胁检测、自主导航和实时 ISR，推理留在本地以保持速度和断网可用性。该方案针对国防场景的 SWaP 约束调优，适配手持设备、头显、地面车辆和小型 UAS 的 NPU 与 CPU，避免将敏感数据发送至云端带来的安全风险与 ITAR 违规。