Компания LiquidAI официально вступила в борьбу с гегемонией архитектуры Transformer, представив модель LFM2.5-VL-3B. Это не просто очередное пополнение в переполненной нише мультимодальных решений на 3 миллиарда параметров, а выверенный удар по технологическому потолку эффективности стандартных архитектур. Построенная на базе жидких нейронных сетей (Liquid Foundation Models, LFMs), эта гибридная структура обходит проблему квадратичной масштабируемости, которая превращает трансформеры в кошмар для оборудования с ограниченными ресурсами.
Пока индустрия остается одержимой гонкой параметров, LiquidAI делает ставку на экономику инференса. LFM2.5-VL-3B доказывает, что компактная модель, освобожденная от балласта традиционных механизмов внимания (attention), способна решать сложные визуально-языковые задачи при минимальном энергопотреблении. Для автономных систем и периферийных вычислений (edge computing), где важен каждый милливатт, это не роскошь, а необходимое условие выживания.
Главное
Архитектура LFM устраняет вычислительную избыточность, характерную для стандартных трансформеров. Модель на 3 млрд параметров демонстрирует производительность на уровне гораздо более тяжелых визуально-языковых систем. Полная совместимость с экосистемой: поддержка vLLM, SGLang и интеграция в библиотеку Transformers. Оптимизация для работы на локальных устройствах и в промышленной робототехнике.
Стратегический контекст
Технические директора оценят тот факт, что LiquidAI не требует перестраивать инфраструктуру с нуля. Модель отлично вписывается в существующие фреймворки и даже поддерживает стандартную библиотеку Transformers, несмотря на свою нестандартную архитектуру. Столь прагматичный подход к интеграции — предоставление готовых ноутбуков и поддержка локальных приложений — свидетельствует о том, что компанию больше интересует реальное внедрение в бизнес-процессы, чем теоретические бенчмарки.
«Фокус сместился с того, что модель знает, на то, насколько дешево она может применять эти знания в полевых условиях».
Итог
На наш взгляд, этот релиз знаменует переход от грубой силы масштабирования к архитектурной оптимизации. Обеспечивая высокоточное распознавание визуальных образов в рамках лимита в 3 миллиарда параметров, LiquidAI фактически делает заявку на вытеснение тяжелых визуально-языковых моделей из сегмента мобильных устройств и промышленной робототехники. Эпоха гигантомании уступает место эпохе эффективности.