Liquid AI 发布 d1-ultra：多模态决策模型，AA Decision Index 得 65 分
Liquid AI 出了个 d1-ultra 决策模型，输入文本图片一次前向就吐校准概率，AA 指标 65 分，每百万 token 只要 0.042 美元。
#Liquid AI
共 33 条 · 7 天 10 条 · 30 天 17 条
信息流里打上「Liquid AI」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月17日
10月16日
Liquid AI 发布 d1-ultra，登顶 Artificial Analysis Decision Index v1.0
Liquid AI 新出的 d1-ultra 拿了决策模型榜第一，幻觉率从 2% 干到 85%，价格只有 GPT-6 Luna 一半，做自动化决策的可以看看。
TypeSafe AI 发布 Jev 1.14 一天后，Liquid AI 推出 d1-ultra 决策模型
决策模型赛道卷起来了：TypeSafe 刚发 Jev 1.14，第二天 Liquid AI 的 d1-ultra 就宣称八类任务全面领先，看看双方各自强在哪。
10月15日
Liquid AI 发布 LFM2.5-24B-A2B，已可在 Ollama 本地运行
Liquid AI 出了个 24B 总参数、每 token 只激活 2B 的本地推理模型，能在笔记本上跑智能体任务，还拿 Qwen3.6-35B-A3B 对标，Ollama 一条命令就能用。
Liquid AI 发布 LFM2.5-24B-A2B：24B 总参、2B 激活的端侧 MoE 推理模型
Liquid AI 放了个端侧友好模型，24B 总参但只激活 2B，M5 Max 上能跑到 184 tokens/s，跑本地智能体可以试试
谷歌发布 Gemini 4 Argon：Arena 榜第5，Cursor 同步接入
Gemini 4 Argon 全球上线，Cursor 接入价 $2/$10，Liquid AI 开源了 24B MoE。
10月14日
LFM2.5-24B-A2B 量化版发布，16GB Mac 可本地运行
Liquid AI 那个 24B 模型现在有 11.1GB 的量化版了，16GB 内存的 Mac 就能本地跑，去 Hugging Face 挑一档下载试试。
Liquid AI 发布 LFM2.5-24B-A2B 开源模型
Liquid AI 出了个开源模型，24B 总参数但只激活 2B，跑分追平 Qwen3.6-35B-A3B，想本地部署的可以去 Hugging Face 看看。
Liquid AI 发布 LFM2.5-24B-A2B，已上架 OpenRouter
Liquid AI 发了个能在笔记本上本地跑的推理模型，24B 参数只激活 2B，做智能体任务能打比它大一半的 Qwen3.6-35B-A3B，权重全开源。
10月9日
Liquid AI 开源 d1 系列决策模型，单次判断最快 8 毫秒
Liquid AI 把决策模型做小做快了，d1-3B 单次判断 8 毫秒，d1-omni-600M 还能听语音，权重已放出可自己微调部署。
10月8日
Liquid AI开源d1-3B与d1-omni-600M决策模型，面向边缘设备毫秒级实时判断
Liquid AI开源了两款小尺寸决策模型，最小只有600M还支持多模态，在边缘设备上几十毫秒就能出结果，做端侧Agent的可以试试。
Liquid AI 发布 d1 系列 GGUF 量化模型，可本地运行
Liquid AI 把 d1-3B 和 d1-omni-600M 做成了 GGUF 量化包，最小 256 MB，笔记本就能跑，量化版还能保住 97.1% 的精度，本地部署决策模型可以试试。
本地 Liquid d1 3B 在 Snake 游戏中胜过 OpenAI Decision
Liquid AI 的 d1 3B 单卡跑 Snake，8ms 决策吃了 86 个苹果，OpenAI API 345ms 才吃 3 个，对比很直观。
Liquid AI 开源 d1-3B 与 d1-omni-600M 决策模型
Liquid AI 开源了两款不吐文字只给结构化判断的小模型，3B 版读图文、600M 版还能读音频，一次前向就出结果，适合做实时决策。
9月25日
Liquid AI 发布 DSpark，让 LFM2.5-VL-3B 可在 16GB Mac 上本地运行
Liquid AI 出了个 DSpark 加速器，16GB 的 Mac 就能跑 LFM2.5-VL-3B，M5 芯片上解码快最多 3.13 倍，输出还不变。
8月26日
Artificial Analysis 公布 iPhone 17 Pro AI 性能排名
想了解 iPhone 17 Pro 上 AI 模型的性能表现？看这篇，详细分析了 8GB 以内模型的跑分情况。
IT之家原文
Liquid AI开源Pipette：可复现基准测试套件，综合评估设备模型、量化、运行时和硬件
Liquid AI发布了Pipette，这是一个开源的基准测试套件，可以综合评估设备模型、量化、运行时和硬件，对于想要了解模型在边缘设备上表现的人来说是个好工具。
8月21日
Liquid AI发布LFM2.5-DSpark模型，解码速度提升3.18倍
Liquid AI给LFM2.5模型加了三个drafters，解码速度能快3.18倍，但输出结果和原来一模一样，不用改现有应用就能用。
8月14日
8月7日
8月5日
8月4日
7月29日
Liquid AI 发布 LFM2.5-Encoder-230M 和 350M 双向编码器
Liquid AI 新出的两个双向编码器，230M 在 CPU 上跑 8K 上下文只要 28 秒，350M 在 GLUE 等基准排第四，适合做嵌入和分类任务。
7月8日
6月28日
Liquid AI 发布 LFM2.5-230M 模型，支持多种推理框架用于设备端推理
Liquid AI 出了个超小模型 LFM2.5-230M，手机跑 213 tokens 每秒，树莓派也能跑 42，指令遵循还比 Qwen3.5-0.8B 和 Gemma 3 1B 强。
6月27日
6月26日
vLLM 日首发支持 LFM2.5-230M，面向 agent 工作负载
vLLM 第一时间给 Liquid AI 的 LFM2.5 小模型做了适配，230M 参数跑 agent 任务，手机、机器人上都能用。
6月19日
Liquid AI发布LFM2.5-Embedding-350M和ColBERT-350M多语言搜索模型
Liquid AI出了两个轻量模型，350M参数就能做11种语言的搜索，还能装到手机等边缘设备上跑。
5月30日
Liquid AI LFM2.5-8B-A1B：1.5B活跃参数跑本地Agent，接近4倍参数模型
本地 Agent 开发者终于不用等大模型了——1.5B 活跃参数就能跑出接近 4 倍参数模型的效果，笔记本就能部署，隐私和延迟都解决了，做本地自动化的建议直接试。
5月29日
Liquid AI 发布 LFM2.5-8B-A1B：端侧 MoE 模型，8.3B 参数仅激活 1.5B
端侧部署大模型一直受限于算力和内存，LFM2.5-8B-A1B 用 1.5B 激活参数实现 128K 上下文和工具调用，做移动端 AI 应用或边缘推理的开发者可以直接评估其性能。