Liquid AI
Liquid AI · Coding · Sonstiges
Liquid AI entwickelt die Liquid Foundation Models, eine Familie kleiner KI-Modelle mit offenen Gewichten, die auf Handys, Laptops und Edge-Hardware ohne Cloud-Verbindung laufen.
Über Liquid AI
What Is Liquid AI
Liquid AI ist ein Unternehmen, das Foundation-Modelle für das Gerät vor Ihnen entwickelt, nicht für ein fernes Rechenzentrum. Kernprodukt ist die Familie Liquid Foundation Models (LFM), eine Reihe von Modellen mit offenen Gewichten, die klein genug für Handys, Laptops, Wearables und eingebettete Chips sind. Das Unternehmen entstand 2023 aus dem CSAIL-Labor des MIT und hat seither mehrere Generationen veröffentlicht, aktuell LFM2 und LFM2.5.
Das Versprechen ist schlicht. Große Cloud-Modelle rechnen pro Token ab und schicken jede Anfrage an einen Server. LFM-Modelle laufen lokal, die Latenz bleibt im Millisekundenbereich, die Arbeit läuft offline weiter, und private Daten verlassen die Maschine nicht. Die Modelle reichen von 350 Millionen bis 8,3 Milliarden Parametern und decken damit einen Textassistenten auf einem günstigen Handy bis zu einem Reasoning-Agenten auf einem Laptop ab.
Zwei Punkte bestimmen die Reichweite. Die Lizenz ist nur gratis, bis Ihr Unternehmen 10 Millionen US-Dollar Jahresumsatz übersteigt, danach brauchen Sie eine kostenpflichtige kommerzielle Lizenz. Die kleinsten Modelle tauschen Faktenwissen gegen Tempo und Größe, ein 350M-Modell erreicht ein großes Cloud-Modell bei offenen Wissensfragen also nicht.
Getting Started
- Wählen Sie ein Modell auf der Liquid-AI-Website oder in der Hugging-Face-Bibliothek und prüfen Sie die Größe gegen Ihre Zielhardware. Die kleinsten Varianten laufen unter 1 GB.
- Laden Sie die offenen Gewichte herunter oder holen Sie sie über Ihre bevorzugte Laufzeit wie llama.cpp, MLX, ONNX, vLLM oder SGLang.
- Führen Sie das Modell lokal aus, um das Verhalten auf Ihrem Gerät zu sehen, oder öffnen Sie den Playground im Browser, wenn Sie nur Prompts testen wollen.
- Passen Sie das Modell mit eigenen Daten an, wenn ein allgemeines Modell nicht genau genug ist. Nutzen Sie die LEAP-Plattform oder offene Werkzeuge wie Unsloth und TRL.
- Bringen Sie es in Ihre App oder in die Cloud, je nachdem, wo Ihre Nutzer sind.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Liquid AI.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- App- und Mobile-Entwickler
- Datenschutzorientierte Teams
- Forschende und Studierende
- Hardware-Hersteller
Aufgaben
- Einen Offline-Chatassistenten bauen
- Bildverstehen ergänzen
- Sprachinteraktion
- Routing und Klassifikation
- Individuelles Fine-Tuning
Szenarien
- Ein Fahrzeugassistent, der in Millisekunden antwortet und weiterläuft, wenn das Signal abreißt.
- Eine Feld-App auf dem Handy, die Dokumente zusammenfasst und Text übersetzt, ohne den Umweg über die Cloud.
- Ein regulierter Ablauf, bei dem Rohdaten auf der Maschine bleiben und das Gebäude nie verlassen.
- Ein Prototyp, der vom ersten Tag an ein laufendes Modell braucht, bevor Geld in Cloud-Inferenz fließt.
Wichtigste Funktionen
Familie mit offenen Gewichten
Liquid AI veröffentlicht seine Modelle mit offenen Gewichten, von einigen hundert Millionen bis wenigen Milliarden Parametern. Sie können jedes Modell herunterladen, ausführen und verfeinern, auch für kommerzielle Arbeit, bis Ihr Unternehmen 10 Millionen US-Dollar Jahresumsatz übersteigt. Die kleinsten Varianten laufen unter 1 GB, genug für ein modernes Handy.
Generationen LFM2 und LFM2.5
LFM2 umfasst dichte Modelle mit 350M, 700M, 1,2B und 2,6B Parametern plus eine Mixture-of-Experts-Variante, alle mit 32K-Kontext. LFM2.5 ergänzt Base-, Instruct-, Japanisch-, Vision-Language- und Audio-Language-Modelle, bei denen die Instruktionsbefolgung auf Agenten auf dem Gerät ausgerichtet ist. Die neueren Textmodelle verdoppeln das Vokabular und erreichen bis zu 128K Kontext.
Multimodale Abdeckung
Die Vision-Modelle verbinden ein leichtes Text-Backbone mit einem SigLIP2-Bildencoder für Bildverstehen auf dem Gerät. Die Audio-Modelle bearbeiten Sprache rein und raus in einem Modell, statt einen Spracherkenner mit einem Sprachmodell zu paaren. Ein Handy kann damit ein Foto lesen oder ein gesprochenes Gespräch führen, ohne Daten nach außen zu geben.
LEAP-Plattform
LEAP, auch LEAP SDK genannt, ist Liquids plattformübergreifendes Toolkit, mit dem Teams Modelle auf Mobilgeräten und eingebetteten Geräten bauen und ausrollen. Es gibt iOS und Android einen gemeinsamen Ablauf, arbeitet mit Liquids eigenen Modellen und anderen kleinen offenen Modellen und enthält eine Bibliothek mit Varianten, die in den Speicher eines Handys passen. LEAP Finetune deckt Datenvorbereitung, Modelltraining und Export an einer Stelle ab.
Läuft auf alltäglicher Hardware
LFM-Modelle laufen auf CPU, GPU und NPU, vom Handy und Laptop bis zum Fahrzeug und eingebetteten Gerät. Sie zielen auf Millisekunden-Latenz und private Inferenz, damit das Modell auch bei langsamem oder fehlendem Netz antwortet. Sie wählen die Größe, die zu Ihrem Chip passt.
Kostenloses Fine-Tuning
Das Fine-Tuning von KI-Modellen steckt nicht hinter einem Bezahlplan. Die Lizenz erlaubt es, ein Modell mit eigenen Daten zu trainieren und das Ergebnis privat zu halten, ohne Copyleft-Klausel. Liquids eigene Werkzeuge stehen neben offenen Optionen wie Unsloth, TRL und der Transformers-Bibliothek.
Model Playground und Liquid Apollo
Der Model Playground lässt Sie Modelle im Browser testen, bevor Sie etwas herunterladen. Liquid Apollo ist eine Mobile-App, die ein lokales Modell in Ihre Tasche bringt, ein latenzarmer Weg ohne Cloud, um KI auf dem Gerät ohne Einrichtung auszuprobieren.
Vor- und Nachteile
Vorteile
- Keine Token-Rechnungen: lokaler Betrieb entfernt wiederkehrende API-Kosten, was bei stetiger oder umfangreicher Arbeit zählt.
- Datenschutz von Haus aus: sensibler Text und sensible Bilder bleiben auf dem Gerät statt auf einem Server.
- Klein genug zum Ausliefern: Varianten unter 1 GB passen auf Handys, Wearables und eingebettete Chips.
- Gratis zum Start: jedes Modell lässt sich bis zur 10-Millionen-Dollar-Grenze kostenlos herunterladen und verfeinern.
- Echte multimodale Bandbreite: Text-, Vision- und Audio-Modelle stammen aus einer Familie und einer Lizenz.
Nachteile
- Umsatzschwelle: sobald Ihr Unternehmen 10 Millionen pro Jahr übersteigt, endet die kostenlose kommerzielle Lizenz und Sie brauchen eine bezahlte Vereinbarung.
- Kleine Modelle haben Grenzen: ein 350M-Modell erreicht ein großes Cloud-Modell weder bei offenem Wissen noch bei langen Gedankenketten.
- Hardware zählt weiter: die schnelleren und größeren Modelle brauchen eine fähige CPU, GPU oder NPU, ältere Geräte holen also weniger heraus.
- Die Einrichtung ist Entwicklerarbeit: ein Modell in eine App zu bringen heißt Laufzeiten und Verpackung zu handhaben, nicht nur ein Konto anzulegen.
Häufige Fragen
Liquid AI ist ein Unternehmen aus dem CSAIL-Labor des MIT, das die Liquid Foundation Models entwickelt. Das sind kleine KI-Modelle mit offenen Gewichten, die auf Handys, Laptops und Edge-Geräten statt in einem Rechenzentrum laufen, damit die Inferenz schnell und privat bleibt.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Liquid AI.
Alternativen zu Liquid AI
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.