Liquid AI 發佈 LFM2.5 系列模型
先了解這件事
2026年10月6日10:47，Liquid AI 發佈 LFM2.5 系列模型。報道介紹兩款各有 350M 參數的檢索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，支援 11 種語言的多語言及跨語言搜尋；端側 MoE 模型 LFM2.5-8B-A1B 採用推理專用設計，上下文窗口為 128K，預訓練規模由 12T 增至 38T tokens，詞表由 65,536 擴至 128,000，AA-Omniscience Index 由 -78.42 升至 -24.70。LFM2.5-1.2B-Thinking 有 1.2 billion 個參數，手機記憶體佔用低於 900 MB；報道稱它在多數推理基準中匹敵或超越 Qwen3-1.7B（thinking mode），而參數量少 40%，並可透過 Hugging Face、LEAP 和 Playground 使用。新增報道稱，LFM2.5 系列涵蓋 Base、Instruct、日文、視覺語言及音訊語言型號；LFM2.5-1.2B 的預訓練規模由 10T 增至 28T tokens，而 LFM2.5-Audio-1.5B 的音訊 detokenizer 在 mobile CPU 上以同等精度較 LFM2 的 Mimi detokenizer 快 8x。
AI 根據報道生成 · 5 小時前更新
報道時間線
沿着報道，瞭解事件的不同側面。
- Liquid AI 模型與工程博客Liquid AI 發佈面向端側部署的 LFM2.5 模型系列
Liquid AI 發佈面向端側部署的 LFM2.5 模型系列，涵蓋 Base、Instruct、日文、視覺語言及音訊語言型號。LFM2.5-1.2B 的預訓練規模由 10T 增至 28T tokens；LFM2.5-Audio-1.5B 的音訊 detokenizer 在 mobile CPU 上以同等精度較 LFM2 的 Mimi detokenizer 快 8x。
- Liquid AI 模型與工程博客Liquid AI 發佈 LFM2.5-1.2B-Thinking，手機記憶體佔用低於 1GB
Liquid AI 發佈 LFM2.5-1.2B-Thinking，一款可完全在裝置上運行的推理模型，手機記憶體佔用低於 900 MB。模型有 1.2 billion 個參數，在多數推理基準中匹敵或超越 Qwen3-1.7B（thinking mode），參數量少 40%。現已可透過 Hugging Face、LEAP 和 Playground 使用。
- Liquid AI 模型與工程博客Liquid AI 發佈端側 MoE 模型 LFM2.5-8B-A1B
Liquid AI 發佈端側模型 LFM2.5-8B-A1B，將上下文窗口擴至 128K，並把預訓練規模由 12T 增至 38T tokens。該模型採用推理專用設計，詞表由 65,536 擴至 128,000，AA-Omniscience Index 由 -78.42 升至 -24.70。
- Liquid AI 模型與工程博客Liquid AI 發佈 LFM2.5-ColBERT-350M 與 LFM2.5-Embedding-350M 多語言檢索模型
Liquid AI 發佈兩款 350M 參數的多語言檢索模型。它們是 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，支援 11 種語言的多語言及跨語言搜尋。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。