LFM2 모델의 사용 가능한 크기는 무엇입니까?

LFM2는 350M, 700M, 1.2B 파라미터의 세 가지 크기로 제공됩니다. 이러한 모델은 조밀한 체크포인트와 함께 릴리스되며 Liquid Playground, Hugging Face 및 OpenRouter를 통해 액세스할 수 있습니다.

LFM2의 성능은 다른 모델과 어떻게 비교됩니까?

LFM2는 여러 벤치마크에서 유사한 크기의 모델보다 성능이 뛰어납니다. 예를 들어 LFM2-1.2B는 47% 더 작음에도 불구하고 Qwen3-1.7B와 경쟁력 있는 성능을 보이며 LFM2-700M은 Gemma 3 1B IT보다 성능이 뛰어납니다. 이 모델은 지식, 수학, 지시 따르기 및 다국어 기능에서 뛰어납니다.

LFM2의 라이선스 모델은 무엇입니까?

LFM2는 Apache 2.0을 기반으로 하는 오픈 라이선스로 릴리스됩니다. 학술 및 연구 목적으로는 무료이며 소규모 회사(수익 1천만 달러 미만)에서 상업적으로 사용할 수 있습니다. 대기업은 상업 라이선스에 대해 sales@liquid.ai에 문의해야 합니다.

LFM2의 아키텍처는 무엇입니까?

LFM2는 곱셈 게이트와 짧은 컨볼루션이 있는 하이브리드 액체 모델입니다. 16개의 블록으로 구성됩니다. 10개의 이중 게이트 단거리 컨볼루션 블록과 6개의 그룹화된 쿼리 어텐션 블록으로 구성됩니다. 아키텍처는 신경 아키텍처 검색 엔진인 STAR를 사용하여 최적화되었습니다.

LFM2는 어떻게 훈련되었습니까?

LFM2는 약 75%의 영어, 20%의 다국어 및 5%의 코드 데이터로 10T 토큰에 대해 훈련되었습니다. 훈련 과정에는 LFM1-7B를 교사 모델로 사용하는 지식 증류, Supervised Fine-Tuning(SFT) 및 Direct Preference Optimization이 포함되었습니다.

LFM2

WebsiteFreeLarge Language Models (LLMs)Multi-purpose Tools

LFM2는 경쟁사보다 2배 빠른 속도로 최첨단 성능을 제공하는 새로운 종류의 Liquid Foundation Models로, 다양한 하드웨어 플랫폼에서 효율적인 온디바이스 AI 배포를 위해 특별히 설계되었습니다.

웹사이트 방문

이 도구 광고하기

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

개요
분석
대안

제품 정보

업데이트됨:Aug 26, 2025

LFM2 월간 트래픽 동향

LFM2은(는) 지난달 41.5k회 방문을 기록했으며, 이는 -10.3%의 약간의 감소을(를) 보여줍니다. 저희 분석에 따르면 이러한 추세는 AI 도구 분야의 일반적인 시장 동향과 일치합니다.

과거 트래픽 보기

LFM2이란?

LFM2(Liquid Foundation Models 2)는 Liquid AI에서 개발한 차세대 AI 모델로, 품질, 속도 및 메모리 효율성에서 새로운 기준을 제시합니다. 다양한 크기(350M, 700M 및 1.2B 매개변수)의 오픈 소스 모델로 출시된 LFM2는 컨볼루션 및 어텐션 메커니즘을 결합한 하이브리드 아키텍처를 기반으로 구축되었으며, 특히 온디바이스 배포에 최적화되어 있습니다. 이 모델은 텍스트 생성, 비전-언어 처리 및 다국어 기능을 포함한 여러 작업을 지원하며, 더 큰 모델에 비해 경쟁력 있는 성능을 유지합니다.

LFM2의 주요 기능

LFM2는 온디바이스 AI 배포를 위해 특별히 설계된 새로운 종류의 액체 기반 모델로, 컨볼루션과 어텐션 메커니즘을 결합한 하이브리드 아키텍처를 특징으로 합니다. CPU에서 경쟁사 대비 2배 빠른 디코드 및 프리필 성능을 달성하고, 이전 세대 대비 3배 향상된 훈련 효율성을 제공합니다. 이 모델은 속도, 메모리 효율성 및 품질에 최적화되어 있으며, 여러 언어와 작업을 지원하므로 에지 컴퓨팅 및 로컬 AI 처리에 이상적입니다.

하이브리드 아키텍처: 16개의 컨볼루션 및 어텐션 메커니즘 블록 결합, 10개의 이중 게이트 단거리 컨볼루션 블록 및 6개의 그룹화된 쿼리 어텐션 블록

향상된 성능: Qwen3 대비 CPU에서 2배 빠른 디코드 및 프리필 성능 제공, 훈련 효율성 3배 향상

메모리 효율성: 긴 입력에서도 거의 일정한 추론 시간 및 메모리 복잡성을 유지하여 리소스가 제한된 환경에 적합

다국어 기능: 다양한 벤치마크에서 강력한 성능으로 아랍어, 프랑스어, 독일어, 스페인어, 일본어, 한국어 및 중국어를 포함한 여러 언어 지원

LFM2의 사용 사례

모바일 애플리케이션: 효율적인 로컬 처리 및 낮은 지연 시간으로 스마트폰 및 태블릿에서 AI 기능 활성화

에지 컴퓨팅: 클라우드 연결이 항상 가능한 것은 아닌 IoT 장치, 웨어러블 및 임베디드 시스템에서 AI 애플리케이션 지원

엔터프라이즈 보안: 데이터 주권 및 보안이 필요한 조직을 위해 비공개 온프레미스 AI 처리 제공

자동차 시스템: 빠른 응답 시간과 오프라인 작동이 중요한 차량에서 실시간 AI 처리 활성화

장점

더 빠른 처리 속도로 에지 장치에서 우수한 성능

기존 모델에 비해 더 낮은 메모리 요구 사항

클라우드 종속성 없이 로컬 처리를 통해 개인 정보 보호 유지

강력한 다국어 기능

단점

클라우드 기반 모델에 비해 더 작은 파라미터 크기로 제한됨

상업적 사용은 수익이 1천만 달러가 넘는 회사에 대한 라이선스 필요

일부 복잡한 작업에서 더 큰 클라우드 기반 모델의 성능과 일치하지 않을 수 있음

LFM2 사용 방법

LFM2 모델 액세스: Hugging Face를 방문하여 350M, 700M 및 1.2B 매개변수의 세 가지 크기로 제공되는 오픈 소스 LFM2 모델에 액세스하십시오.

라이선스 요구 사항 확인: Apache 2.0을 기반으로 한 오픈 라이선스를 검토하십시오. 학술/연구용으로 무료이며, 수익이 1천만 달러 미만인 회사의 경우 상업적 용도로 사용할 수 있습니다. 더 큰 회사는 상업적 라이선스에 대해 [email protected]에 문의해야 합니다.

배포 방법 선택: 로컬 CPU 배포를 위해 llama.cpp를 선택하거나 PyTorch 생태계 배포를 위해 ExecuTorch를 선택하십시오. 둘 다 다른 양자화 체계(ExecuTorch의 경우 8da4w, llama.cpp의 경우 Q4_0)를 지원합니다.

채팅 템플릿 적용: Hugging Face transformers의 .apply_chat_template() 함수를 사용하여 입력을 올바르게 형식 지정하십시오.

로컬 테스트: 선택한 통합(CPU 배포의 경우 llama.cpp 권장)을 사용하여 장치에서 비공개적으로 로컬에서 모델을 테스트하십시오.

선택적 미세 조정: 특정 사용 사례에 맞게 모델을 미세 조정해야 하는 경우 TRL(Transformer Reinforcement Learning) 라이브러리를 사용하십시오.

함수 호출: 함수 호출의 경우 시스템 프롬프트에서 <|tool_list_start|> 및 <|tool_list_end|> 특수 토큰 사이에 JSON 함수 정의를 제공하십시오.

LFM2 자주 묻는 질문

LFM2는 온디바이스 AI 배포를 위해 설계된 새로운 종류의 액체 파운데이션 모델로, 뛰어난 속도, 메모리 효율성 및 품질을 제공합니다. CPU에서 Qwen3 및 Gemma 3와 같은 경쟁사보다 200% 더 빠른 디코드 및 프리필 성능을 제공하는 하이브리드 아키텍처를 기반으로 합니다.