由麻省理工学院（MIT）CSAIL前研究人员创立的Liquid AI，正式发布首款多模态人工智能模型——Liquid Foundation Models（LFMs），为AI领域注入新动力。
LFM 核心规格与架构创新
LFM系列提供三种尺寸：LFM 1.3B、LFM 3B及LFM 40B MoE。其中最大的LFM 40B MoE采用混合专家（MoE）架构。与传统生成式AI不同，LFM摒弃Transformer架构，旨在从第一性原理出发构建超越GPT的基础模型。
性能表现与内存效率优势
在性能上，LFM优于Meta Llama 3.1-8B和Microsoft Phi-3.5 3.8B等Transformer模型。数据显示，LFM 1.3B在包括STEM领域在内的57项MMLU基准测试中，显著超越Llama 3.2-1.2B和Phi-1.5，成为首个非GPT架构性能大幅领先Transformer模型的案例。
所有LFM均针对内存效率优化。例如，LFM-3B仅需16GB内存即可达到SOTA性能，而同类Llama-3.2-3B需超48GB。
技术原理与应用场景
LFM基于动态系统与信号处理理论构建计算单元，可对视频、音频、文本及时间序列等顺序数据建模。其核心沿用CSAIL研发的Liquid Neural Networks（LNNs），通过创新数学公式使神经元更高效自适应，推理时支持实时调整并高效处理多达100万token，且无传统模型的计算开销。
图表显示，随着上下文长度增加，LFM-3B在推理内存占用上显著优于Gemma-2、Phi-3及Llama-3.2，特别适合文档分析与聊天机器人应用。凭借多模态能力，LFM可服务于金融、生物技术及消费电子等行业。
目前，LFM已适配NVIDIA、AMD、Apple、Qualcomm及Cerebras硬件。预览版暂未开源，用户可通过Liquid推理游乐场、Lambda Chat或Perplexity AI体验。