LFM2.5-230M
PulseAugur coverage of LFM2.5-230M — every cluster mentioning LFM2.5-230M across labs, papers, and developer communities, ranked by signal.
- 2026-06-28 product_launch Liquid AI released its smallest model to date, LFM2.5-230M, designed for on-device inference on edge hardware. 来源
- 2026-06-28 product_launch Liquid AI released its smallest model to date, LFM2.5-230M, designed for on-device inference. 来源
- 2026-06-24 product_launch LiquidAI has released the LFM2.5-230M language model, optimized for on-device deployment and agentic tasks. 来源
-
Liquid AI 发布 LFM2.5 模型的 QAD 版本，以实现高效的边缘部署
Liquid AI 发布了其 LFM2.5 系列小型 AI 模型的量化感知蒸馏 (QAD) 版本。新版本旨在减少内存使用量，同时最大限度地降低性能下降，使其更适合智能手机和笔记本电脑等低规格设备。QAD 技术涉及蒸馏高精度教师模型以提高量化学生模型的性能。四款 LFM2.5 模型（230M、350M、1.2B-Instruct 和 2.6B）已接受此 QAD 处理，并作为开放模型提供。
-
Cactus Compute 发布 Needle 2，一款面向边缘设备的 14MB 工具调用 AI 模型
Cactus Compute 推出了 Needle 2，这是一款紧凑型的 4500 万参数模型，专为工具调用和结构化数据提取而设计。该模型以其极小的占用空间而闻名，打包为 14MB 的二进制文件，运行仅需 28MB RAM，使其适用于没有专用 AI 硬件（如 GPU 或 NPU）的设备。Needle 2 实现了令人印象深刻的速度，在 Raspberry Pi 5 上每秒可处理多达 500 个 token，并在各种移动和混合现实设备上提供高效性能。
-
Needle 2: 14MB 代理 LLM 针对低功耗硬件上的设备端 AI · 跟踪 4 个来源
Cactus 发布了 Needle 2，这是一款紧凑型 14MB 代理 LLM，专为设备端 AI 应用而设计。该模型拥有 4500 万个参数，压缩至 2 位精度，可在智能手机、可穿戴设备和微控制器等低功耗硬件上高效运行，仅需 28MB RAM。Needle 2 在工具调用和结构化提取任务方面表现出竞争力，可与更大的模型相媲美，同时消耗的功耗和内存却显著减少。该模型在 Apache 2.0 许可下开源，权重可在 Hugging Face…
-
Liquid AI 发布最小的设备端模型 LFM2.5-230M
Liquid AI 推出了 LFM2.5-230M，这是他们迄今为止最紧凑的模型。这个拥有 2.3 亿参数的开放权重模型专为在边缘硬件上进行设备端运行而设计。它在三星 Galaxy S25 Ultra 上的速度为 213 tokens/s，在 Raspberry Pi 5 上的速度为 42 tokens/s，支持工具使用和数据提取。
-
Liquid AI 推出小型 LFM2.5-230M 用于设备端代理任务
Liquid AI 发布了其迄今为止最小的模型 LFM2.5-230M，专为手机和机器人等边缘设备的端侧推理而设计。这个拥有 2.3 亿参数的模型在数据提取和工具使用方面表现出色，在 IFEval 和 IFBench 等特定基准测试中优于更大的模型。虽然不适合数学或编码等复杂推理任务，但其小巧的体积和高效的架构使其能够快速推理，非常适合本地数据处理和轻量级代理工作负载。
-
OpenAI内部AI使用量激增；新开源模型和代理功能涌现
OpenAI报告称，自2025年11月以来，其内部AI模型使用量在各部门显著增加，Codex的平均输出令牌在研究部门增长了高达56倍。这种令牌消耗的激增，尤其是在编码任务之外，凸显了AI工具在公司运营中的日益深入的整合。与此同时，开源AI领域也取得了进展，GLM-5.2在编码和代理基准测试中表现强劲，并且出现了Ornith-1.0等新的专业模型。Google还增强了其Gemini 3.5 Flash模型，使其具备内置的计算机使用能力，…
-
230M LFM2.5 模型在浏览器中以每秒 1,400 个 token 的速度运行
一个拥有 2.3 亿参数的模型 LFM2.5，现在能够在网页浏览器中以每秒 1,400 个 token 的速度运行。这一性能是通过自定义 WebGPU 内核实现的，该内核由曾与 Fable 5 和 Opus 4.8 相关的人员开发。该模型可在 Hugging Face 上找到，并提供了一个演示空间供用户体验其浏览器内功能。
-
LiquidAI 发布 LFM2.5-230M 紧凑型模型，适用于设备端 AI 任务
LiquidAI 发布了 LFM2.5-230M，这是一款专为设备端部署设计的紧凑型语言模型。该模型拥有 2.3 亿参数，并针对包括 CPU 和边缘设备在内的各种硬件上的高效推理进行了优化，在智能手机上可达 213 tokens/秒，在树莓派 5 上可达 42 tokens/秒。由于通过强化学习进行了优化，并且拥有 19 万亿 token 的庞大训练预算，支持 32,768 token 的上下文长度，它特别适合代理任务。