Liquid AI-nin ən kiçik modeli LFM2.5-230M məlumat çıxarma qabiliyyətində özündən 4 dəfə böyük modelləri geridə qoyur

Keçmiş MIT kompüter alimləri tərəfindən qurulan Liquid AI, bu gün ən kiçik süni intellekt dil modeli olan LFM2.5-230M-i təqdim etdi. Bu model, məlumat çıxarma və smartfon, noutbuk, robot texnikası kimi cihazlarda yerli tətbiqlər üçün nəzərdə tutulub. 230 milyon parametrə malik olan bu əsas model, demək olar ki, istənilən yerdə işləyə biləcək qədər kiçikdir. Liquid AI-nin açıqlamasına görə, LFM2.5-230M seçilmiş meyarlar üzrə özündən 4 dəfə böyük modelləri üstələyir. Xüsusilə məlumat çıxarma sahəsində, 800 milyon parametrli Alibaba Qwen3.5-0.8B (Instruct) və 1 milyard parametrli Google Gemma 3 1B modellərindən daha yaxşı performans göstərir. Bu model, yüngül məlumat çıxarma sistemləri və muxtar kənar qurğular yaradan tərtibatçılar və mühəndislər üçün hədəflənib. Model, ikili istifadə lisenziyası ilə təqdim olunur və illik gəliri 10 milyon dollardan az olan şəxslər və şirkətlər üçün pulsuzdur. Daha böyük korporasiyalar isə ödənişli müəssisə müqaviləsi bağlamalıdır. LFM2.5-230M, LFM2 arxitekturasından istifadə edərək yüksək sürətli nəticə çıxarma imkanı təmin edir və parametr ağır transformatorlara xas olan böyük yaddaş yükündən qaçınır. Bu, onu digər kiçik süni intellekt modellərindən fərqləndirən əsas xüsusiyyətdir. Böyük süni intellekt şirkətləri Anthropic, OpenAI, Google, Microsoft, Meta və digərləri parametr saylarını yüz milyardlarla və ya trilyonlarla artıraraq qabaqcıl performans əldə etməyə çalışarkən, paralel bir yarış tamamilə kənar və yerli tətbiqlərə fokuslanıb. Liquid AI-nin LFM2.5-230M-i təqdim etməsi, arxitektura səmərəliliyinə doğru mühüm bir dönüşü göstərir. Şirkət, 19 trilyon tokeni yalnız 230 milyon parametrə sıxışdıraraq, kənar cihazların mürəkkəb və çox mərhələli agent iş axınlarını yerinə yetirmək üçün böyük hesablama gücünə və ya daimi bulud bağlantısına ehtiyac duymadığını nümayiş etdirir. LFM2.5-230M necə işləyir? LFM2.5-230M modeli standart transformator arxitekturalarından fərqlənir və bunun əvəzinə daha səmərəli bir quruluşa əsaslanır. Bu yanaşma, modelin kiçik ölçüdə qalaraq yüksək sürətli məlumat emalı təmin etməsinə imkan yaradır.