Liquid AI

面向端侧设备的基础模型与部署栈

Liquid AI 提供 Liquid Foundation Models(LFM)系列基础模型,主打在手机、笔记本、汽车、可穿戴等设备本地运行的低延迟推理,可在 CPU、GPU、NPU 上通过 llama.cpp、MLX、ONNX、CoreML、vLLM 等运行时部署,并支持针对自有数据与具体场景做微调定制,形成从架构、优化到部署的全栈方案

性能基准模型推理服务模型训练学习模型量化压缩
访问官网
收录动态

4

最近更新

2026-08-25

评价样本

未收录

社区规模

工具功能

这个工具能做什么、适合谁用,以及目前已识别的核心能力。

工具简介

Liquid AI 提供 Liquid Foundation Models(LFM)系列基础模型,主打在手机、笔记本、汽车、可穿戴等设备本地运行的低延迟推理,可在 CPU、GPU、NPU 上通过 llama.cpp、MLX、ONNX、CoreML、vLLM 等运行时部署,并支持针对自有数据与具体场景做微调定制,形成从架构、优化到部署的全栈方案

核心功能

4 项已整理
性能基准
模型推理服务
模型训练学习
模型量化压缩

价格信息

部分免费

当前仅展示已核验的定价模式。

基础信息

更新频率
近 7 天 3 条收录动态
最近更新
2026-08-25
覆盖行业
程序员

更新日志

按时间记录功能更新、版本发布、新工具入库等重要变化。

  1. 2026-08-25开源

    Liquid AI 开源端侧模型基准测试平台 Pipette,与 Artificial Analysis 合作作独立方法学验证方,将端侧行为视为完整部署配置(模型+量化+运行时+设备)的属性而非孤立模型属性;发布覆盖 30+ 模型、1000+ 配置、五个端侧性能指标的数据集,并以 Apache 2.0 提供 pipette-mgmt/pipette-clients/pipette-scores 基础设施、公开结果数据集、托管仪表盘及原生 iOS/Android 基准测试应用。

  2. 2026-08-20版本发布

    Liquid AI 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点(1.2B-Instruct、2.6B、8B-A1B),通过约 300M 参数草稿模型一次提出 9 个候选 token、由目标模型单次前向验证的推测解码路径,在 H100 上解码吞吐最高提升 3.18 倍、M4 Max MacBook Pro 上最高 2.87 倍,输出与基准精度不变;DSpark 集成已开源至 llama.cpp 和 SGLang,检查点以 Safetensors 与 GGUF 提供。

  3. 2026-08-19版本发布

    Liquid AI 发布 LFM2.5 系列基于量化感知蒸馏(QAD)训练的 Q4_0 GGUF 检查点,覆盖 LFM2.5-230M、350M、1.2B-Instruct 与 2.6B 四款模型,在保持原生 Q4_0 内存占用与吞吐的同时恢复 BF16 平均精度损失的约 97%,可直接用 llama.cpp 等 GGUF Q4_0 运行时加载推理。

  4. 2026-08-05功能更新

    Liquid AI 与 MacPaw 宣布长期合作共建 Mac 本地 AI 技术栈:Liquid AI 提供专为 macOS 助手设计的 LFM 模型,与 MacPaw 的端侧推理引擎 Elix、记忆系统 Mnemos 结合;宣布首个落地产品为 macOS 助手 Eney,成果预计年内推出,支持离线运行助手与智能体工作流。

Liquid AI 常见问题

关于 Liquid AI 的定位、核心功能、价格与最近更新。

Liquid AI 是什么?

Liquid AI 提供 Liquid Foundation Models(LFM)系列基础模型,主打在手机、笔记本、汽车、可穿戴等设备本地运行的低延迟推理,可在 CPU、GPU、NPU 上通过 llama.cpp、MLX、ONNX、CoreML、vLLM 等运行时部署,并支持针对自有数据与具体场景做微调定制,形成从架构、优化到部署的全栈方案。

Liquid AI 有哪些核心功能?

Liquid AI 当前已核验的核心功能包括:性能基准、模型推理服务、模型训练学习、模型量化压缩。

Liquid AI 如何收费?

Liquid AI 当前已核验的价格模式为部分免费。

Liquid AI 最近有什么更新?

2026-08-25:Liquid AI 开源端侧模型基准测试平台 Pipette,与 Artificial Analysis 合作作独立方法学验证方,将端侧行为视为完整部署配置(模型+量化+运行时+设备)的属性而非孤立模型属性;发布覆盖 30+ 模型、1000+ 配置、五个端侧性能指标的数据集,并以 Apache 2.0 提供 pipette-mgmt/pipette-clients/pipette-scores 基础设施、公开结果数据集、托管仪表盘及原生 iOS/Android 基准测试应用。