LFM2

LFM2はアテンションだけに頼らず、短い畳み込みとグループ化クエリアテンションを組み合わせる。各モデルは16ブロックを積む。二重ゲートの短距離畳み込みブロックが10、グループ化クエリアテンションが6だ。局所的なパターンを安く捉え、アテンションは効果のある場面だけに使う。この設計が、スマホやノートPCに実際に載るハードウェアで遅延とメモリを低く抑える。

売り物は生の精度ではなく処理量だ。Liquid AIによれば、LFM2はCPU上でのデコードとプリフィルがQwen3の2倍速く、小型の700Mはより多くのパラメータを持ちながらllama.cppでもExecuTorchでもQwen 0.6Bより速い。この差は、頼れるチップがCPUしかないスマホや薄型ノートPCで効いてくる。

このファミリーはパラメータ350M、700M、1.2B、2.6Bをそろえ、端末にモデルを合わせられる。350Mはウェアラブルや厳しい組み込み先に入り、1.2BはノートPCや単体GPUで動き、はるかに大きなモデルと渡り合う。端末向けの言語モデル群として、1つの構成で複数サイズをまかなうため、機能を上位にも下位にも書き直さずに移せる。

Liquid AIによれば、LFM2-1.2Bは47%も多いパラメータを持つQwen3-1.7Bと互角にわたり、そのスコアは何倍も大きなモデルに迫る。700MはGemma 3 1B ITを上回り、350MはQwen3-0.6BやLlama 3.2 1B Instructと互角に戦う。同社のマルチターン試験では、評価者がLlama 3.2 1B InstructやGemma 3 1B ITより1.2Bのモデルを好んだ。

Liquid AIはApache 2.0を土台にしたオープンライセンスで、重みをHugging Faceに公開する。学術・研究用途は無料で、売上1,000万ドル未満の企業は無償で商用利用できる。その線を超えると商用ライセンスのためにLiquid AIへ連絡する。小さなチームには条件が簡潔なままで、大企業との契約の余地も残る。

LFM2は開発者がすでに使うフレームワークへ書き出せる。ローカル推論はllama.cpp、モバイルはExecuTorch経由のPyTorch、学習は標準のTransformersツール群で動く。TRLでの微調整も対応する道で、GGUF版を使えば既存の推論アプリに手軽に組み込める。

各チェックポイントは32,768トークンのコンテキスト窓を扱う。長い文書や長い対話に足りる大きさだ。学習には10兆トークンを使い、およそ英語75%、多言語20%、コード5%で構成し、日本語、アラビア語、韓国語、スペイン語、フランス語、ドイツ語に重点を足した。複数の言語を扱うアプリにLFM2は無理なく収まる。