Liquid AI
Liquid AI développe des modèles fondamentaux natifs pour appareils (LFMs) qui fonctionnent localement sur téléphones, ordinateurs portables, véhicules et systèmes embarqués. Une famille de modèles compacts, exportable vers llama.cpp, MLX, ONNX et CoreML, permet un raisonnement et une recherche privés à faible latence avec plus de 3200 variantes et des déploiements industriels.
Vue d’ensemble
Choisissez une variante LFM adaptée à votre matériel cible, affinez avec LEAP sur des données de domaine, quantifiez, puis exportez un artefact unique par environnement d’exécution. Déployez sur ordinateurs portables, mobiles ou véhicules avec une inférence privée embarquée et une surveillance via votre pile applicative existante.
Présentation de la plateforme
Conçu pour les ingénieurs intégrant l’IA dans des produits hors datacenter : développeurs d’applications mobiles, équipes logicielles automobiles, ingénieurs embarqués et robotique, ainsi que praticiens ML en e-commerce, finance, santé, industrie et défense. Les chercheurs explorant les réseaux neuronaux liquides, modèles d’état et améliorations de tokeniseur peuvent prototyper rapidement, puis valider avec le benchmarking Pipette. Les organisations dans des environnements réglementés adoptent les LFMs pour garder le contenu sensible local tout en offrant la réactivité interactive attendue sur le matériel grand public.
- Affinez les LFMs avec LEAP, puis exportez vers MLX, ONNX ou CoreML.
- Déployez des modèles de moins de 1 Go sur ordinateurs portables, mobiles et véhicules pour une inférence privée.
- Utilisez LFM2.5-VL pour une compréhension multimodale, ancrant le texte aux images directement sur l’appareil.
- Accélérez l’inférence avec DSpark et la distillation consciente de la quantification pour un déploiement edge.
- Exécutez efficacement les récupérateurs et encodeurs de contexte long, même sur des systèmes CPU uniquement.
Points forts
À qui s’adresse-t-il
Commencez par explorer le catalogue Liquid Foundation Models et le Model Playground pour évaluer les candidats. Installez le SDK LEAP, chargez un LFM de base, puis affinez-le sur des jeux de données sélectionnés. Utilisez les recettes fournies pour la distillation consciente de la quantification, l’expansion du tokeniseur et l’alignement de récupération. Générez les artefacts d’exécution et exportez vers llama.cpp, MLX, ONNX ou CoreML pour votre matériel cible ; SGLang et vLLM couvrent les besoins serveurs ou hybrides. Validez avec Pipette, puis déployez en production sur ordinateurs portables, téléphones ou véhicules. La documentation et les projets exemples facilitent la mise en route sur Apple Silicon et points de terminaison CPU uniquement.
Apportez des modèles de pointe aux processeurs locaux — sans besoin de datacenter.
Premiers pas
Liquid AI se distingue par l’étendue des LFMs livrés, des performances embarquées sous 1 Go et une voie pragmatique de la recherche au déploiement. La combinaison de LEAP, des environnements exportables et des partenariats industriels témoigne de sa maturité. Si vous cherchez une intelligence privée et à faible latence sur un matériel edge hétérogène, avec des options allant des encodeurs aux MoE multimodaux, Liquid AI est conçu pour cela.
Ouvrez l’outil et examinez son expérience produit principale.
Créez votre compte ou accédez à votre espace de travail existant.
Utilisez votre propre tâche pour évaluer la vitesse, la qualité et l’adéquation.
Vérifiez des outils IA similaires avant de prendre une décision finale.
Liquid AI
Liquid AI est une entreprise axée sur la recherche, fondée en 2023, qui fournit une intelligence efficace et polyvalente sur matériel edge. L’équipe livre les Liquid Foundation Models, le SDK LEAP et des recherches ouvertes qui font progresser la quantification, la distillation et les sorties structurées pour des déploiements industriels réels.
Liquid AI propose une gamme de modèles fondamentaux natifs pour appareils (LFMs) conçus pour le matériel edge où la latence, la confidentialité et la consommation d'énergie sont cruciales. Les modèles vont des encodeurs compacts et modèles de langage polyvalents au multimodal LFM2.5-VL, ainsi que des variantes mixture-of-experts, beaucoup assez petits pour fonctionner sous 1 Go. La chaîne d’outils s’articule autour du SDK LEAP pour affiner vos données, puis exporter des artefacts prêts à l’emploi vers les environnements edge populaires tels que llama.cpp, MLX, ONNX, CoreML, SGLang et vLLM. Les déploiements en production couvrent déjà téléphones, ordinateurs portables, véhicules, commerce de détail et environnements industriels. Les dernières recherches incluent des améliorations de performance DSpark et une distillation consciente de la quantification Q4_0 pour une inférence efficace, ainsi que des récupérateurs et encodeurs optimisés pour les contextes longs sur CPU. Avec 56 LFMs livrés, 41,7 millions de téléchargements et plus de 3200 variantes, Liquid AI se concentre sur l’apport d’une intelligence de pointe aux matériels réels. Des partenariats avec des leaders de l’automobile et du silicium soulignent la maturité industrielle.
Visiter Liquid AI
Commentaires (0)
Aucun commentaire trouvé