关于 Liquid AI 的报道
共 3 篇相关报道
Liquid AI 发布 d1-ultra：一款在 AA Decision Index 上得分 65 的多模态决策模型
Liquid AI Releases d1-ultra: A Multimodal Decision Model That Scores 65 on the AA Decision Index
AI 洞察Liquid AI 发布 d1-ultra 多模态决策模型，在单次前向传播中返回校准概率并实现极低的推理成本，意味着行业竞争正从单纯追求参数规模转向特定任务的高效能与低成本落地。核心结论Liquid AI 正在通过极低成本和高确定性的多模态决策模型切入垂直应用市场。为什么重要推理成本和概率校准是当前大模型在复杂决策场景落地时的核心痛点。该模型以极低的单位成本实现高效决策，可能加速多模态技术在成本敏感型企业场景中的商业化进程。影响谁- 潜在受益Liquid AI通过极具竞争力的定价和独特架构，有望在多模态决策市场中获得差异化优势。
- 潜在受益Enterprise更低的推理成本和校准概率输出将降低企业部署多模态决策系统的门槛。
后续看点后续应重点观察 d1-ultra 在实际企业工作流中的基准表现和真实采用规模，以验证其高性价比架构的商业可持续性。重要度 70/100Liquid AI Releases LFM2.5-24B-A2B: A 2B-Active MoE for On-Device Agents
AI 洞察Liquid AI 的 LFM2.5-24B-A2B 模型是一种开源的 24B 混合专家推理模型，具有 2B 个活跃参数。该模型针对本地代理，LiveClaw 得分为 48.09，在 Apple M5 Max 上解码速度为 184 个Token/秒。LFM2.5-24B-A2B 模型的发布可能会推动本地代理的发展和应用，因为它提供了高性能的推理能力。核心结论LFM2.5-24B-A2B 模型发布推动本地代理发展。为什么重要LFM2.5-24B-A2B 模型的发布可能会推动本地代理的发展和应用，因为它提供了高性能的推理能力。该模型的发布还可能吸引更多开发者使用 Liquid AI 的技术。影响谁- 潜在受益开发者LFM2.5-24B-A2B 模型的发布可能会吸引更多开发者使用 Liquid AI 的技术。
后续看点下一步需要观察 LFM2.5-24B-A2B 模型在实际应用中的表现，以及开发者社区对该模型的接受程度。重要度 70/100Liquid AI 发布开源权重模型 d1-3B 和 d1-omni-600M：具备零输出 Token 的多模态决策模型
Liquid AI Releases Open-Weight d1-3B and d1-omni-600M: Multimodal Decision Models With Zero Output Tokens
AI 洞察Liquid AI 发布的开源权重模型 d1-3B 和 d1-omni-600M 具备零输出 Token 的多模态决策能力，能够读取文本和图像或文本和音频，返回校准的、类型化的答案。这些模型的架构和训练数据使得它们能够在实时决策场景中应用。核心结论Liquid AI 发布开源权重模型，推动多模态 AI 模型的发展和应用。为什么重要这些模型的发布可以推动多模态 AI 模型的发展和应用，具有重要的行业意义。它们的架构和训练数据使得它们能够在实时决策场景中应用，具有潜在的广泛应用前景。影响谁- 潜在受益Liquid AI这些模型的发布可以提高 Liquid AI 在多模态 AI 模型方面的竞争力和影响力。
- 潜在受益开发者这些模型的开源可以让开发者更容易地使用和集成多模态 AI 模型，推动实时决策场景中的应用和创新。
后续看点下一步需要观察这些模型在实时决策场景中的应用效果和潜在的广泛应用前景。重要度 70/100