LFM2モデルの利用可能なサイズは何ですか？

LFM2は、350M、700M、1.2Bパラメータの3つのサイズで利用可能です。これらのモデルは、密なチェックポイントとともにリリースされ、Liquid Playground、Hugging Face、OpenRouterを通じてアクセスできます。

LFM2の性能は他のモデルと比べてどうですか？

LFM2は、複数のベンチマークで同様のサイズのモデルよりも優れた性能を発揮します。たとえば、LFM2-1.2Bは、47%小さいにもかかわらず、Qwen3-1.7Bと競争力のある性能を発揮し、LFM2-700MはGemma 3 1B ITよりも優れた性能を発揮します。このモデルは、知識、数学、指示の理解、および多言語機能に優れています。

LFM2のライセンスモデルは何ですか？

LFM2は、Apache 2.0に基づくオープンライセンスでリリースされています。学術および研究目的では無料で利用でき、中小企業（収益1,000万ドル未満）は商用利用できます。大企業は、商用ライセンスについてsales@liquid.aiに連絡する必要があります。

LFM2のアーキテクチャは何ですか？

LFM2は、乗算ゲートと短い畳み込みを備えたハイブリッドLiquidモデルです。16個のブロックで構成されています。10個のダブルゲート付き短距離畳み込みブロックと、6個のグループ化されたクエリ注意ブロックです。アーキテクチャは、ニューラルアーキテクチャ検索エンジンであるSTARを使用して最適化されました。

LFM2はどのようにトレーニングされましたか？

LFM2は10Tトークンでトレーニングされ、約75%が英語、20%が多言語、5%がコードデータです。トレーニングプロセスには、教師モデルとしてLFM1-7Bを使用した知識蒸留、続いて教師ありファインチューニング（SFT）および直接選好最適化が含まれていました。

LFM2

WebsiteFreeLarge Language Models (LLMs)Multi-purpose Tools

LFM2は、競合他社よりも2倍高速な最先端のパフォーマンスを提供する新しいクラスのLiquid Foundation Modelsであり、さまざまなハードウェアプラットフォームでの効率的なオンデバイスAI展開のために特別に設計されています。

ウェブサイトを訪問

このツールを宣伝する

https://www.liquid.ai/blog/liquid-foundation-models-v2-our-second-series-of-generative-ai-models?ref=producthunt&utm_source=aipure

概要
分析
代替案

製品情報

更新日:2025年08月26日

LFM2 の月間トラフィック傾向

LFM2は先月41.5kのアクセスを記録し、-10.3%のわずかな減少を示しました。分析によると、このトレンドはAIツール分野の一般的な市場動向と一致しています。

過去のトラフィックを表示

LFM2とは

LFM2（Liquid Foundation Models 2）は、Liquid AIによって開発された次世代のAIモデルであり、品質、速度、およびメモリ効率において新たな基準を打ち立てます。さまざまなサイズ（350M、700M、および1.2Bパラメータ）のオープンソースモデルとしてリリースされたLFM2は、畳み込みと注意メカニズムを組み合わせたハイブリッドアーキテクチャに基づいて構築されており、特にオンデバイスでの展開に最適化されています。このモデルは、テキスト生成、ビジョン-言語処理、および多言語機能を含む複数のタスクをサポートし、より大きなモデルに対して競争力のあるパフォーマンスを維持します。

LFM2の主な機能

LFM2は、オンデバイスAI展開専用に設計された新しいクラスのLiquid Foundation Modelsであり、畳み込みと注意メカニズムを組み合わせたハイブリッドアーキテクチャを特徴としています。CPU上で競合他社よりも2倍高速なデコードおよびプリフィル性能を実現し、前世代よりも3倍向上したトレーニング効率を実現します。このモデルは、速度、メモリ効率、品質が最適化されており、複数の言語とタスクをサポートしているため、エッジコンピューティングやローカルAI処理に最適です。

ハイブリッドアーキテクチャ: 16個の畳み込みブロックと注意メカニズムを組み合わせ、10個のダブルゲート付き短距離畳み込みブロックと6個のグループ化されたクエリ注意ブロックを使用します

パフォーマンスの向上: Qwen3と比較してCPU上で2倍高速なデコードおよびプリフィル性能を実現し、トレーニング効率が3倍向上します

メモリ効率: 入力が長くてもほぼ一定の推論時間とメモリ複雑性を維持し、リソースが限られた環境に適しています

多言語対応: アラビア語、フランス語、ドイツ語、スペイン語、日本語、韓国語、中国語を含む複数の言語をサポートし、さまざまなベンチマークで強力なパフォーマンスを発揮します

LFM2のユースケース

モバイルアプリケーション: 効率的なローカル処理と低レイテンシで、スマートフォンやタブレットでAI機能を有効にします

エッジコンピューティング: クラウド接続が常に利用できるとは限らないIoTデバイス、ウェアラブル、組み込みシステムでAIアプリケーションを強化します

エンタープライズセキュリティ: データの主権とセキュリティを必要とする組織向けに、プライベートなオンプレミスAI処理を提供します

自動車システム: 迅速な応答時間とオフライン操作が重要な車両で、リアルタイムAI処理を可能にします

メリット

より高速な処理速度でエッジデバイスでの優れたパフォーマンス

従来のモデルと比較して、より低いメモリ要件

クラウドへの依存なしにローカル処理を通じてプライバシーを維持

強力な多言語機能

デメリット

クラウドベースのモデルと比較して、パラメータサイズが小さい

商業利用には、1,000万ドル以上の収益がある企業向けのライセンスが必要です

一部の複雑なタスクでは、大規模なクラウドベースのモデルのパフォーマンスに匹敵しない場合があります

LFM2の使い方

LFM2モデルへのアクセス: Hugging Faceにアクセスして、350M、700M、および1.2Bパラメータの3つのサイズで利用可能なオープンソースのLFM2モデルにアクセスします

ライセンス要件の確認: オープンライセンス（Apache 2.0に基づく）を確認します - 学術/研究用途および収益が1,000万ドル未満の企業による商用利用は無料です。より大きな企業は、商用ライセンスについて[email protected]に連絡する必要があります

展開方法の選択: ローカルCPU展開にはllama.cppを、PyTorchエコシステム展開にはExecuTorchを選択します。どちらも異なる量子化スキームをサポートしています（ExecuTorchの場合は8da4w、llama.cppの場合はQ4_0）

チャットテンプレートの適用: Hugging Face transformersの.apply_chat_template()関数を使用して、入力を適切にフォーマットします

ローカルテスト: 選択した統合（CPU展開にはllama.cppを推奨）を使用して、デバイス上でモデルをプライベートかつローカルにテストします

オプションのファインチューニング: 特定のユースケースに合わせてモデルをファインチューニングする必要がある場合は、TRL（Transformer Reinforcement Learning）ライブラリを使用します

関数呼び出し: 関数呼び出しの場合、システムプロンプトで<|tool_list_start|>と<|tool_list_end|>の特別なトークンの間にJSON関数定義を提供します

LFM2のよくある質問

LFM2は、オンデバイスAI展開向けに設計された新しいクラスのLiquid Foundation Modelsであり、優れた速度、メモリ効率、品質を提供します。CPU上でQwen3やGemma 3などの競合製品よりも200%高速なデコードおよびプリフィル性能を提供するハイブリッドアーキテクチャ上に構築されています。