裝置原生模型架構
Liquid Foundation Models 針對效率與真實世界限制而打造；網站描述其為專有架構，著重於速度、記憶體效率，以及可部署到任何裝置。
概覽
Liquid AI 打造的基礎模型可原生在裝置上運行，並跨越邊緣環境，而不僅限於資料中心。公司將這些 Liquid Foundation Models 定位為適用於手機、筆電、車輛、機器人、穿戴裝置與嵌入式系統，特別重視延遲、隱私與硬體限制。
產品層包含開源模型家族、用於客製化與部署的 LEAP SDK，以及一套定價與授權模式：在公司年營收超過 1,000 萬美元之前，可免費商業使用。Liquid 也透過 Liquid Labs 發表研究，網站列出的部署目標與執行環境包括裝置端、邊緣、雲端、llama.cpp、MLX、ONNX、CoreML、SGLang 與 vLLM。
核心能力
多種模型家族與模態
模型涵蓋文字、視覺語言、語音與 nano 模型家族，為不同工作負載提供多種尺寸與模態選擇。
廣泛的硬體與執行環境支援
模型頁面指出 LFMs 可在 CPU、GPU 與 NPU 上運行，而首頁列出 llama.cpp、MLX、ONNX、CoreML、SGLang 與 vLLM 等執行環境。
微調與部署工作流程
Liquid 表示其模型設計可快速客製化與微調，而 LEAP 讓使用者能微調模型、將其烘焙到執行環境中，並完成部署。
開放式商業使用條款
開源模型可免費下載、執行與微調，包括商業用途，直到公司的年營收超過 1,000 萬美元為止。
公開研究基礎
研究透過 Liquid Labs 以公開方式發表，內容包含論文、基準測試與與模型家族相關的技術報告。
適用情境
裝置端助理與本地推論
當你需要能在手機、筆電或嵌入式硬體上本地運行，且仍需符合延遲與隱私限制的 AI 時，可使用 LFMs。
針對任務的模型調整
使用模型家族與客製化工作流程，將基礎模型調整為特定任務，然後透過 LEAP 將其部署到目標執行環境。
多模態產品體驗
針對結合文字與圖片，或語音與文字的應用，使用多模態與低延遲模型家族，以支援邊緣感知產品體驗。
嵌入式與 OEM 部署
在為車輛、OEM 系統或其他日後可能需要企業支援的邊緣部署打造產品時，可使用 Liquid 公開的部署目標與商業授權模式。
研究與原型開發
在進入生產前，利用公開研究與模型釋出作為實驗、基準測試與內部評估的基礎。
Pros and Cons
Pros
- 可跨裝置類別運作，包括手機、筆電、車輛、機器人與嵌入式硬體。
- 支援多種執行環境與部署目標，包括 CPU、GPU、NPU、裝置端、邊緣、雲端與內部部署情境。
- 透過 LEAP 提供從微調到部署的工作流程，方便將模型從筆記本推進到生產環境。
- 在公開門檻內，團隊可免費商業使用開源模型。
- 由於授權不含 copyleft 要求，微調模型可保持私有。
- 產品同時公開研究，有助於說明其架構與設計方向。
Cons
- 來源中未提供完整的公開文件集，因此部分實作細節仍不清楚。
- 商業使用僅在上述 1,000 萬美元年營收門檻以下免費；較大型公司需要企業授權。
- 模型與部署選項雖然廣泛，但所檢視頁面未逐一說明所有支援的框架、執行環境或工作流程。
FAQ
Liquid 可否免費用於商業用途？
Liquid 的開源基礎模型可免費下載、執行與微調，包括用於商業產品，直到公司的年營收超過 1,000 萬美元為止。超過該門檻後，則需要商業授權。
Liquid 模型能在我的硬體上運行嗎？
可以。定價頁面說明，這些模型可在 CPU、GPU 與 NPU 上運行，涵蓋手機、筆電、車輛與嵌入式裝置，模型大小從數億到數十億參數不等。
我一定要公開我的微調結果嗎？
定價頁面表示沒有 copyleft 要求，因此微調後的模型可以保持私有且專有。
企業團隊的使用路徑是什麼？
Liquid 同時支援透過開源模型自助使用，以及聯絡銷售的企業授權流程，並提供 OEM 與內部部署支援，以及專屬支援。
部署流程如何運作？
來源指出，LEAP 是從筆記本到生產的最快路徑：先微調模型，再將其打包到執行環境，最後部署。模型頁面也提到支援裝置端、邊緣與雲端部署。
Quick Facts
- 類別
- 基礎模型／開發者平台
- 主要使用者
- 開發者、研究人員、新創公司與企業團隊
- 部署目標
- 手機、筆電、車輛、機器人、穿戴裝置、嵌入式裝置、邊緣、雲端與內部部署
- 提及的執行環境
- llama.cpp、MLX、ONNX、CoreML、SGLang、vLLM
- 商業條款
- 公司年營收超過 1,000 萬美元前免費
- 來源網域
- liquid.ai