LFM Open License v1.0
PulseAugur coverage of LFM Open License v1.0 — every cluster mentioning LFM Open License v1.0 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Liquid Ai 发布 LFM3 开源模型供本地小型企业使用
Liquid Ai 发布了一个名为 LFM3 的新型开源模型系列,专为小型企业和本地部署而设计。LFM3-1.7B 模型内存占用约 1 GB,特别适合处理邮件分类或从发票中提取数据等任务。尽管这些模型在函数调用和指令遵循基准测试中表现强劲,但 Liquid Ai 建议由于其规模,不要将其用于复杂的编码或推理任务。此次发布包括用于视觉、音频和决策任务的各种配置,模型权重可在 Hugging Face 上根据特定开源许可证获取。
-
LLM管道研究质疑成本效益;Nemotron 3.5和LFM2.5部署细节浮现
一篇研究论文探讨了多智能体LLM管道中的权衡,发现虽然Open Floor Protocol等协议增加了最小的开销,但与单个更强大的模型相比,将任务分解到不同模型上并不能提高准确性或速度。研究表明,为每个任务选择最佳的单个模型提供了更具成本效益的解决方案。此外,技术讨论详细介绍了特定LLM模型的部署:在单个GPU上部署Nemotron 3.5 Bolt,强调了内存限制和“drafter”标志的影响;以及LFM2.5-24B-A2B,重…
-
Liquid AI 发布开源多模态决策模型 d1-3B 和 d1-omni-600M
Liquid AI 发布了两款开源多模态决策模型 d1-3B 和 d1-omni-600M,它们旨在进行实时决策而非文本生成。d1-3B 模型处理文本和图像,而 d1-omni-600M 则处理文本以及图像或音频,在单次前向传播中以零输出令牌返回校准后的答案。这些模型针对 NVIDIA 硬件(包括服务器、工作站和边缘设备)的部署进行了优化,并可在 Hugging Face 上获取,支持 llama.cpp。
-
Liquid AI 通过 DSpark 投机性解码将 LFM2.5 模型速度提升高达 3.18 倍
Liquid AI 发布了其 LFM2.5 系列的 DSpark 草稿模型,这些模型在不改变输出质量的情况下,将解码速度提高了高达 3.18 倍。该方法使用投机性解码,其中一个较小的草稿模型提出代币候选,然后由一个较大的目标模型进行验证。这种方法显著加快了推理速度,尤其适用于延迟至关重要的代理应用。这些模型可供自托管,并兼容 llama.cpp 和 SGLang 等工具。
-
Liquid AI 发布用于设备端的 3B 视觉语言模型
Liquid AI 推出了 LFM2.5-VL-3B,这是一个拥有 31 亿参数的视觉语言模型,专为设备端应用而设计。该模型在读取数字屏幕、识别带坐标的物体以及处理文档和图表方面表现出色。它还支持函数调用,使其能够根据文本或图像输入与工具进行交互。虽然在各种基准测试中取得了强劲的性能,但它被认为是一个非推理模型,优先考虑低延迟。