tag: Liquid AI

Liquid AI เปิดตัว Pipette แพลตฟอร์ม Open-Source สำหรับทดสอบประสิทธิภาพโมเดล AI บนอุปกรณ์พกพาและ Edge Devices โดยวัดผลครอบคลุมทั้งโมเดล การ Quantization และฮาร์ดแวร์จริง เพื่อแก้ปัญหาความคลาดเคลื่อนของข้อมูลจาก Model Card ทั่วไป

Liquid AI เปิดตัว DSpark draft model สำหรับโมเดลตระกูล LFM2.5 ช่วยเร่งความเร็วการประมวลผล (inference) สูงสุด 3.2 เท่าบน GPU และอุปกรณ์พกพา ผ่านเทคนิค speculative decoding โดยยังคงคุณภาพของผลลัพธ์ไว้เท่าเดิม พร้อมรองรับ llama.cpp และ SGLang ทันที

Liquid AI เปิดตัวโมเดล LFM2.5 ในรูปแบบ GGUF 4-bit ที่ใช้เทคนิค Quantization-Aware Distillation (QAD) ช่วยให้คงประสิทธิภาพได้สูงถึง 97% ของรุ่น BF16 เดิม แต่ยังประหยัดหน่วยความจำและทำงานได้รวดเร็วตามมาตรฐาน Q4_0

Liquid AI เปิดตัวโมเดล vision-language ขนาด 3.1 พันล้านพารามิเตอร์ ออกแบบมาเพื่อทำงานบนอุปกรณ์โดยเฉพาะ โดดเด่นด้านการวิเคราะห์หน้าจอ UI การระบุพิกัดวัตถุ และการเรียกใช้ฟังก์ชันที่มีประสิทธิภาพสูงขึ้น

Liquid AI เผยโฉม LFM2.5-VL-3B โมเดล Vision-Language ขนาด 3 พันล้านพารามิเตอร์ ชูจุดเด่นด้านการประมวลผลบนอุปกรณ์ที่รวดเร็วแบบเรียลไทม์ พร้อมความสามารถในการเข้าใจหน้าจอและเรียกใช้เครื่องมือที่เหนือกว่าคู่แข่งในระดับเดียวกัน

Liquid AI เปิดตัว LFM2.5-2.6B โมเดลขนาดเล็ก 2.6 พันล้านพารามิเตอร์ที่เน้นการทำงานเป็น AI Agent บนอุปกรณ์โดยตรง มีประสิทธิภาพเทียบเท่าโมเดลขนาดใหญ่กว่า 4 เท่า แต่ใช้หน่วยความจำไม่ถึง 2.5 GB

Liquid AI เปิดตัว LFM2.5-Encoder-230M และ 350M โมเดล Bidirectional Encoder แบบ open-weight ที่รองรับ Context สูงถึง 8,192 โทเค็น โดยรุ่น 350M ทำคะแนนทดสอบเป็นอันดับ 4 ของโลกเมื่อเทียบกับโมเดลกลุ่มเดียวกัน

Liquid AI ปล่อยโมเดลโมเดลตระกูล LFM2.5-Encoder ใหม่ 2 รุ่น ชูจุดเด่นด้านความเร็วในการประมวลผลบริบทขนาดยาวสูงสุด 8,192 tokens โดยมีประสิทธิภาพเหนือกว่า ModernBERT และรองรับการทำงานบน CPU ทั่วไปอย่างดีเยี่ยม