
LFM2
LFM2是一類新型的Liquid Foundation Models,它提供最先進的性能,速度比競爭對手快2倍,專為在各種硬體平台上高效的設備上AI部署而設計。
https://www.liquid.ai/blog/liquid-foundation-models-v2-our-second-series-of-generative-ai-models?ref=producthunt&utm_source=aipure

產品資訊
更新時間:2025年08月26日
什麼是 LFM2
LFM2(Liquid Foundation Models 2)是由Liquid AI開發的下一代AI模型,它在品質、速度和記憶體效率方面樹立了新的標準。LFM2以不同大小(350M、700M和1.2B參數)的開放原始碼模型發布,建立在混合架構之上,該架構結合了卷積和注意力機制,專門針對設備上部署進行了優化。這些模型支援多項任務,包括文本生成、視覺語言處理和多語言功能,同時保持了與較大模型相比具有競爭力的性能。
LFM2 的主要功能
LFM2 是一類新型的液態基礎模型,專為設備端 AI 部署而設計,採用混合架構,結合了卷積和注意力機制。它在 CPU 上的解碼和預填充性能比競爭對手快 2 倍,訓練效率比前幾代產品提高了 3 倍。這些模型經過優化,兼顧速度、記憶體效率和品質,同時支援多種語言和任務,使其非常適合邊緣計算和本地 AI 處理。
混合架構: 結合了 16 個卷積和注意力機制區塊,其中包含 10 個雙閘門短程卷積區塊和 6 個分組查詢注意力區塊
增強的性能: 與 Qwen3 相比,在 CPU 上提供快 2 倍的解碼和預填充性能,訓練效率提高 3 倍
記憶體效率: 即使在長輸入的情況下,也能保持近乎恆定的推論時間和記憶體複雜度,使其適用於資源受限的環境
多語言能力: 支援多種語言,包括阿拉伯語、法語、德語、西班牙語、日語、韓語和中文,在各種基準測試中表現出色
LFM2 的使用案例
行動應用: 在智慧型手機和平板電腦上實現 AI 功能,具有高效的本地處理和低延遲
邊緣計算: 為物聯網設備、穿戴式設備和嵌入式系統中的 AI 應用提供動力,在這些應用中,雲端連接並非總是可用
企業安全: 為需要資料主權和安全性的組織提供私有的、本地 AI 處理
汽車系統: 在車輛中實現即時 AI 處理,在這些車輛中,快速回應時間和離線操作至關重要
優點
在邊緣設備上具有卓越的性能,處理速度更快
與傳統模型相比,記憶體需求更低
透過本地處理(無需雲端依賴)來維護隱私
強大的多語言能力
缺點
與基於雲端的模型相比,參數大小受到限制
對於收入超過 1000 萬美元的公司,商業用途需要授權
在某些複雜任務中,可能無法與較大的基於雲端的模型相媲美
如何使用 LFM2
存取LFM2模型: 造訪Hugging Face以存取以三種大小提供的開放原始碼LFM2模型:350M、700M和1.2B參數
檢查授權要求: 檢閱開放授權(基於Apache 2.0)- 對於學術/研究用途和收入低於1000萬美元的公司的商業用途免費。較大的公司需要聯絡[email protected]以取得商業授權
選擇部署方法: 選擇llama.cpp進行本地CPU部署,或選擇ExecuTorch進行PyTorch生態系統部署。兩者都支援不同的量化方案(ExecuTorch為8da4w,llama.cpp為Q4_0)
格式化輸入提示: 使用聊天範本格式:'<|startoftext|><|im_start|>system [系統訊息]<|im_end|> <|im_start|>user [使用者訊息]<|im_end|> <|im_start|>assistant'
套用聊天範本: 使用Hugging Face transformers中的.apply_chat_template()函數來正確格式化您的輸入
本地測試: 使用所選的整合(建議CPU部署使用llama.cpp)在您的設備上私下且本地測試模型
可選的微調: 如果您需要針對特定用例微調模型,請使用TRL(Transformer Reinforcement Learning)庫
函數呼叫: 對於函數呼叫,請在系統提示中的<|tool_list_start|>和<|tool_list_end|>特殊符記之間提供JSON函數定義
LFM2 常見問題
LFM2 是一種新型的液態基礎模型,專為裝置端 AI 部署而設計,提供卓越的速度、記憶體效率和品質。它建立在混合架構之上,在 CPU 上的解碼和預填充效能比 Qwen3 和 Gemma 3 等競爭對手快 200%。
LFM2 網站分析
LFM2 流量和排名
41.5K
每月訪問量
#680347
全球排名
#7399
類別排名
流量趨勢:Sep 2024-Jun 2025
LFM2 用戶洞察
00:00:48
平均訪問時長
2.03
每次訪問的頁面數
44.03%
用戶跳出率
LFM2 的主要地區
US: 34.58%
TH: 9.58%
IN: 9.34%
VN: 9.21%
DE: 5.8%
Others: 31.51%