Liquid AI, ਤਰਲ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਲਾਈਨ ਦੇ ਪਿੱਛੇ MIT ਸਪਿਨ-ਆਫ, ਨੇ ਮੰਗਲਵਾਰ ਨੂੰ LFM3 ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ, ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਨਵੀਂ ਪੀੜ੍ਹੀ ਜਿਸ ਨੂੰ ਕੰਪਨੀ ਫੋਨਾਂ, ਲੈਪਟਾਪਾਂ, ਰੋਬੋਟਾਂ ਅਤੇ ਹੋਰ ਕਿਨਾਰਿਆਂ ਵਾਲੇ ਹਾਰਡਵੇਅਰਾਂ ਵਿੱਚ "ਵਿਸ਼ੇਸ਼ ਬੁੱਧੀ" ਕਹਿੰਦੇ ਹਨ, ਲਿਆਉਣ ਲਈ ਬਣਾਈ ਗਈ ਹੈ। ਰੀਲੀਜ਼ 2B-ਪੈਰਾਮੀਟਰ ਰੇਂਜ ਵਿੱਚ ਛੇ ਮਾਡਲਾਂ ਨੂੰ ਕਵਰ ਕਰਦੀ ਹੈ — ਟੈਕਸਟ, ਵਿਜ਼ਨ, ਆਡੀਓ, ਓਮਨੀ, ਅਤੇ ਦੋ ਫੈਸਲੇ ਮਾਡਲ — ਸਾਰੇ ਇੱਕ ਸਾਂਝੇ LFM3-1.7B-ਬੇਸ ਬੈਕਬੋਨ ਤੋਂ ਬ੍ਰਾਂਚ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਅੱਜ ਹੱਗਿੰਗ ਫੇਸ, ਲਿਕਵਿਡ AI ਪਲੇਗ੍ਰਾਉਂਡ, ਅਤੇ ਕੰਪਨੀ ਦੇ API 'ਤੇ ਉਪਲਬਧ ਹਨ।
ਇੱਕ ਟ੍ਰਾਈ-ਹਾਈਬ੍ਰਿਡ ਆਰਕੀਟੈਕਚਰ ਏਜੰਟਾਂ ਲਈ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ For more context on this story, see our ongoing breaking AI news.
LFM2 ਨੇ ਸਥਾਪਿਤ ਕੀਤਾ ਹੈ ਕਿ ਛੋਟੇ ਕਨਵੋਲਿਊਸ਼ਨ ਅਤੇ ਧਿਆਨ ਦਾ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਜ਼ਿਆਦਾ ਗੁਣਵੱਤਾ ਛੱਡੇ ਬਿਨਾਂ ਡਿਵਾਈਸ ਉੱਤੇ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲ ਸਕਦਾ ਹੈ। LFM3 ਲਈ, Liquid AI ਨੇ ਏਜੰਟਿਕ ਵਰਕਲੋਡਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਆਪਣੇ ਆਟੋਮੇਟਿਡ ਹਾਰਡਵੇਅਰ-ਇਨ-ਦੀ-ਲੂਪ ਆਰਕੀਟੈਕਚਰ ਦੀ ਖੋਜ ਨੂੰ ਇੱਕ ਫ਼ੋਨ ਅਤੇ ਇੱਕ ਲੈਪਟਾਪ ਵਿੱਚ 14 ਡਿਵਾਈਸਾਂ ਅਤੇ ਬੈਕਐਂਡ ਸੰਜੋਗਾਂ ਵਿੱਚ CPUs ਤੋਂ ਖੋਜ ਸਪੇਸ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ। ਮਾਪੇ ਗਏ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਹੁਣ Samsung Galaxy S26 Ultra, OnePlus 15, ਇੱਕ Raspberry Pi 5, Apple ਦਾ M4 Max, AMD Ryzen AI ਲੈਪਟਾਪ, Arm ਅਤੇ x86 ਕਲਾਊਡ CPUs, GPUs, ਅਤੇ Qualcomm ਦਾ Hexagon NPU ਸ਼ਾਮਲ ਹੈ।
ਨਤੀਜਾ ਇੱਕ 24-ਲੇਅਰ "ਟ੍ਰਾਈ-ਹਾਈਬ੍ਰਿਡ" ਸਟੈਕ ਹੈ: 13 ਗੇਟਡ ਸ਼ਾਰਟ-ਕਨਵੋਲਿਊਸ਼ਨ ਲੇਅਰਾਂ, 256-ਟੋਕਨ ਵਿੰਡੋ ਦੇ ਨਾਲ 5 ਸਲਾਈਡਿੰਗ-ਵਿੰਡੋ ਅਟੈਨਸ਼ਨ ਲੇਅਰ, ਅਤੇ 6 ਗਲੋਬਲ ਧਿਆਨ ਲੇਅਰਾਂ। ਕਨਵੋਲਿਊਸ਼ਨ ਕਰਨਲ ਦੇ ਆਕਾਰ 3 ਤੋਂ 7 ਤੱਕ ਵਧੇ ਹਨ, ਅਤੇ ਨਵੇਂ ਮਕੈਨਿਜ਼ਮਾਂ ਵਿੱਚ ਹੈਡ-ਵਾਰ ਗੇਟਡ ਅਟੈਨਸ਼ਨ (ਇੱਕ ਸਿਗਮੋਇਡ ਗੇਟ ਜੋ ਵਿਅਕਤੀਗਤ ਸਿਰਾਂ ਨੂੰ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ), ਗਲੋਬਲ ਲੇਅਰਾਂ 'ਤੇ ਅੰਸ਼ਕ RoPE, ਅਤੇ ਸੈਂਡਵਿਚ ਸਧਾਰਣਕਰਨ ਸ਼ਾਮਲ ਹਨ। ਕੰਪਨੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਤਬਦੀਲੀਆਂ ਐਕਸਪ੍ਰੈਸਿਵਟੀ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ ਜਿੱਥੇ ਇਹ ਲੰਬੇ-ਸੰਦਰਭ ਅਨੁਮਾਨ ਨੂੰ ਤੇਜ਼ ਰੱਖਦੇ ਹੋਏ ਗਿਣਦਾ ਹੈ।
22 ਟ੍ਰਿਲੀਅਨ ਟੋਕਨਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ
LFM3-1.7B-ਬੇਸ ਨੂੰ 22 ਟ੍ਰਿਲੀਅਨ ਟੋਕਨਾਂ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਇੱਕ ਡੇਟਾ ਮਿਸ਼ਰਣ ਦੇ ਨਾਲ ਜੋ LFM2 ਨਾਲੋਂ ਵਧੇਰੇ ਵਿਗਿਆਨਕ ਪੇਪਰ, ਰਿਪੋਜ਼ਟਰੀ-ਪੱਧਰ ਦੇ ਕੋਡ, ਅਤੇ ਗਣਿਤ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਅੰਤਮ 3.5 ਟ੍ਰਿਲੀਅਨ ਟੋਕਨ ਕਿਉਰੇਟਿਡ, ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡੇਟਾ 'ਤੇ ਇੱਕ ਮੱਧ-ਸਿਖਲਾਈ ਪੜਾਅ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਏਜੰਟਿਕ ਟਰੇਸ ਅਤੇ ਵਿਭਿੰਨ ਟੂਲ ਕਾਲਾਂ 'ਤੇ ਭਾਰੀ ਹੁੰਦਾ ਹੈ - ਅਤੇ ਇਹ ਪੜਾਅ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ 256K ਟੋਕਨਾਂ ਤੱਕ ਵੀ ਵਧਾਉਂਦਾ ਹੈ।
ਪੋਸਟ-ਟ੍ਰੇਨਿੰਗ ਚਾਰ ਪੜਾਵਾਂ ਵਿੱਚੋਂ ਲੰਘੀ: ਚੈਟ, ਤਰਕ, ਅਤੇ ਟੂਲ ਕਾਲਿੰਗ ਵਿੱਚ ਫੈਲੇ 1.75 ਟ੍ਰਿਲੀਅਨ ਟੋਕਨਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕੀਤੀ ਗਈ ਫਾਈਨ-ਟਿਊਨਿੰਗ; ਗਣਿਤ, ਕੋਡ, SQL, ਅਤੇ ਢਾਂਚਾਗਤ ਆਉਟਪੁੱਟ ਵਿੱਚ ਮਿਸ਼ਰਤ ਰੀਨਫੋਰਸਮੈਂਟ ਸਿਖਲਾਈ; ਮਲਟੀ-ਡੋਮੇਨ ਆਨ-ਪਾਲਿਸੀ ਡਿਸਟਿਲੇਸ਼ਨ, ਜਿਸ ਵਿੱਚ ਛੇ ਮਾਹਰ RL ਅਧਿਆਪਕ (ਕੋਡ, ਗਣਿਤ, ਟੂਲ ਦੀ ਵਰਤੋਂ, ਲੰਬੇ ਸੰਦਰਭ, ਏਜੰਟਿਕ ਕੰਮ, ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਰਕਫਲੋਜ਼) ਨੂੰ ਇੱਕ ਮਾਡਲ ਵਿੱਚ ਵਾਪਸ ਡਿਸਟਿਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਅਤੇ ਏਜੰਟਿਕ RL, ਜਿੱਥੇ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਿੰਗ ਤੋਂ ਲੈ ਕੇ ਦਫਤਰੀ ਕੰਮ ਤੱਕ ਦੇ ਕੰਮ ਅਸਲ ਏਜੰਟ ਹਾਰਨੇਸ ਜਿਵੇਂ ਕਿ ਹਰਮੇਸ ਏਜੰਟ, Pi, ਅਤੇ OpenClaw ਦੇ ਅੰਦਰ ਚਲਦੇ ਹਨ।
ਸਮਾਲ ਮਾਡਲ, ਫਰੰਟੀਅਰ-ਅਡਜੈਂਟ ਏਜੰਟਿਕ ਨਤੀਜੇ
Liquid AI ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ LFM3-1.7B 35 ਪ੍ਰਤੀਸ਼ਤ ਘੱਟ ਮਾਪਦੰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਆਪਣੇ ਪਿਛਲੇ LFM2.5-2.6B ਨੂੰ ਪਛਾੜਦਾ ਹੈ। ਏਜੰਟਿਕ ਮੁਲਾਂਕਣਾਂ 'ਤੇ, ਕੰਪਨੀ ਕਹਿੰਦੀ ਹੈ ਕਿ ਇਹ ਮਾਡਲ BFCL ਅਤੇ ToolSandbox ਵਿੱਚ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਅਤੇ ਫੰਕਸ਼ਨ ਕਾਲਿੰਗ 'ਤੇ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਅਤੇ WebArena-Verified ਅਤੇ AutomationBench ਵਿੱਚ ਲੰਬੇ-ਹੋਰੀਜ਼ਨ ਬ੍ਰਾਊਜ਼ਰ ਅਤੇ ਕਾਰੋਬਾਰੀ-ਐਪ ਕਾਰਜਾਂ 'ਤੇ ਕਾਫ਼ੀ ਵੱਡੇ Qwen3.5-9B ਨੂੰ ਮਾਤ ਦਿੰਦਾ ਹੈ। ਵੱਡੇ ਮਾਡਲ ਅਜੇ ਵੀ ਏਜੰਟਿਕ ਕੋਡਿੰਗ ਅਤੇ ਗਿਆਨ 'ਤੇ ਜਿੱਤ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਹਾਲਾਂਕਿ ਕੰਪਨੀ ਰਿਪੋਰਟ ਕਰਦੀ ਹੈ ਕਿ ਟੂਲ ਖੋਜ ਮਨੁੱਖਤਾ ਦੀ ਆਖਰੀ ਪ੍ਰੀਖਿਆ 'ਤੇ ਛੋਟੇ ਮਾਡਲ ਦੇ ਸਕੋਰ ਨੂੰ ਲਗਭਗ ਦੁੱਗਣਾ ਕਰ ਦਿੰਦੀ ਹੈ।
ਗਤੀ ਸਿਰਲੇਖ ਹੈ। 4-ਬਿੱਟ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਅਤੇ 32K ਸੰਦਰਭ 'ਤੇ llama.cpp ਨਾਲ ਮਾਪਿਆ ਗਿਆ, Liquid AI ਕਹਿੰਦਾ ਹੈ ਕਿ LFM3-1.7B ਤਿੰਨਾਂ ਟੈਸਟ ਕੀਤੇ ਕਿਨਾਰਿਆਂ ਵਾਲੇ ਯੰਤਰਾਂ 'ਤੇ ਸਭ ਤੋਂ ਤੇਜ਼ ਮਾਡਲ ਸੀ, ਘੱਟ ਤੋਂ ਘੱਟ ਮੈਮੋਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਅਗਲੇ ਪ੍ਰਤੀਯੋਗੀ ਨਾਲੋਂ 1.8 ਤੋਂ 2.8 ਗੁਣਾ ਤੇਜ਼ ਡੀਕੋਡਿੰਗ ਕਰਦਾ ਹੈ। ਇੱਕ ਪੂਰੇ 128K-ਟੋਕਨ ਪ੍ਰਸੰਗ ਲਈ ਲਗਭਗ 1.6 GB KV ਕੈਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਬਨਾਮ Qwen3.5-4B ਲਈ 4.3 GB ਅਤੇ MiniCPM5-2B ਲਈ 5.6 GB, ਅਤੇ ਮਾਡਲ 4-ਬਿੱਟ ਸ਼ੁੱਧਤਾ 'ਤੇ ਲਗਭਗ 1 GB ਮੈਮੋਰੀ ਵਿੱਚ ਫਿੱਟ ਹੁੰਦਾ ਹੈ। ਡੇਟਾਸੈਂਟਰ ਵਿੱਚ, BF16 ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ NVIDIA B300 SGLang ਚਲਾ ਰਿਹਾ ਹੈ, ਕਥਿਤ ਤੌਰ 'ਤੇ 1,024 ਸਮਕਾਲੀ ਬੇਨਤੀਆਂ 'ਤੇ ਪ੍ਰਤੀ ਦਿਨ 3.6 ਬਿਲੀਅਨ ਟੋਕਨ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਉਹ ਥ੍ਰੋਪੁੱਟ ਕੀ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ, ਲਿਕਵਿਡ AI ਨੇ ਡੈਮੋ ਦੇ ਤੌਰ 'ਤੇ ਐਨਰੋਨ ਈਮੇਲ ਆਰਕਾਈਵ ਉੱਤੇ 300,000 ਤੋਂ ਵੱਧ ਸਮਾਨਾਂਤਰ LFM3-1.7B ਏਜੰਟਾਂ ਨੂੰ ਚਲਾਇਆ।
ਵਿਜ਼ਨ, ਆਡੀਓ, ਅਤੇ ਇੱਕ ਪਹਿਲਾ ਓਮਨੀ ਮਾਡਲ
LFM3-VL-2B 164 ਮਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਨਾਲ ਇੱਕ ਨਵਾਂ ਇਨ-ਹਾਊਸ ਵਿਜ਼ਨ ਏਨਕੋਡਰ ਲਿਆਉਂਦਾ ਹੈ ਜੋ, Liquid AI ਦੇ ਅਨੁਸਾਰ, Qwen3.5-2B ਦੇ ਐਨਕੋਡਰ ਸ਼ੁੱਧਤਾ ਨੂੰ 2.2x ਘੱਟ FLOP ਨਾਲ ਮੇਲ ਕਰਦੇ ਹੋਏ, ਪਿਛਲੇ LFM ਵਿਜ਼ਨ ਮਾਡਲਾਂ ਵਿੱਚ SigLIP2 ਏਨਕੋਡਰ ਨਾਲੋਂ 3x ਘੱਟ ਗਣਨਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। 62 ਵਿਜ਼ਨ ਬੈਂਚਮਾਰਕਾਂ ਦੇ ਪਾਰ, ਕੰਪਨੀ ਕਹਿੰਦੀ ਹੈ ਕਿ 2B ਮਾਡਲ ਸਾਰੇ ਸਮਾਨ-ਆਕਾਰ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਘੱਟੋ-ਘੱਟ 7.4 ਅੰਕ ਅੱਗੇ ਹੈ, Gemma 4 12B ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ — ਛੇ ਗੁਣਾ ਤੋਂ ਵੱਧ ਵੱਡਾ ਮਾਡਲ — Gemini 3.5 Flash Lite ਨੂੰ ਪਛਾੜਦਾ ਹੈ, ਅਤੇ GPT-5.6 Luna ਦੇ 2 ਪੁਆਇੰਟਾਂ ਦੇ ਅੰਦਰ ਆਉਂਦਾ ਹੈ। ਇਹ ਵੀਡੀਓ ਇਨਪੁਟ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਵਾਲਾ ਪਹਿਲਾ LFM ਵਿਜ਼ਨ ਮਾਡਲ ਵੀ ਹੈ।
LFM3-Audio-2B 18 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਬੋਲੀ ਦੀ ਪਛਾਣ, ਸੰਸ਼ਲੇਸ਼ਣ ਅਤੇ ਅਨੁਵਾਦ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਇੱਕ ਨਵੇਂ ਇਨ-ਹਾਊਸ ਏਨਕੋਡਰ ਅਤੇ ਇੱਕ ਟੋਕਨਾਈਜ਼ਰ ਦੁਆਰਾ ਸੰਚਾਲਿਤ LiquidCodec ਜੋ ਇੱਕ ਸਿੰਗਲ CPU ਥ੍ਰੈਡ 'ਤੇ ਲਗਭਗ 87x ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਤਿਆਰ ਕੀਤੇ ਟੋਕਨਾਂ ਨੂੰ ਸਪੀਚ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਸਟ੍ਰੀਮਿੰਗ ਮਾਈਕ੍ਰੋਫੋਨ ਇਨਪੁਟ ਦੇ ਨਾਲ, ਪਹਿਲੇ ਟੋਕਨ ਲਈ ਸਮਾਂ 50 ਮਿਲੀਸਕਿੰਟ ਤੱਕ ਘੱਟ ਹੋ ਸਕਦਾ ਹੈ।
LFM3-Omni-2B, 2.2 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ 'ਤੇ, ਕੰਪਨੀ ਦਾ ਪਹਿਲਾ ਓਮਨੀ ਮਾਡਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਿਜ਼ਨ, ਆਡੀਓ ਅਤੇ ਭਾਸ਼ਾ ਦਾ ਸੁਮੇਲ ਹੈ ਤਾਂ ਜੋ ਉਪਭੋਗਤਾ ਚਿੱਤਰਾਂ ਜਾਂ ਸਮਕਾਲੀ ਧੁਨੀ ਵਾਲੇ ਵੀਡੀਓਜ਼ ਬਾਰੇ ਬੋਲੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ ਪੁੱਛ ਸਕਣ। ਦੋ ਨਿਰਣਾਇਕ ਮਾਡਲ, d1-2B ਅਤੇ d1-Omni-2B, ਪਰਿਵਾਰ ਨੂੰ ਬੰਦ ਕਰਦੇ ਹਨ: ਫ੍ਰੀ-ਫਾਰਮ ਜਵਾਬ ਤਿਆਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਇੱਕ ਸਿੰਗਲ ਫਾਰਵਰਡ ਪਾਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਟਾਈਪ ਕੀਤੇ ਜਾਂ ਬੋਲੇ ਗਏ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦੇ ਹਨ, ਹਰ ਇੱਕ ਕੈਲੀਬਰੇਟਿਡ ਪ੍ਰੋਬੇਬਿਲਟੀ ਦੇ ਨਾਲ, ਅਤੇ ਸੰਰਚਨਾਬੱਧ ਜਵਾਬ ਕਿਸਮਾਂ ਜਿਵੇਂ ਕਿ ਪੁਆਇੰਟ (ਇੱਕ ਬਾਊਂਡਿੰਗ ਬਾਕਸ ਖਿੱਚੋ), ਪੜ੍ਹੋ, ਅਨੁਮਾਨ ਲਗਾਓ ਅਤੇ ਚੁਣੋ।
ਵਿਸ਼ੇਸ਼ ਹੋਣ ਲਈ ਬਣਾਇਆ ਗਿਆ
ਤਰਲ AI ਪਰਿਵਾਰ ਨੂੰ ਇੱਕ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਸਰਹੱਦੀ ਮਾਡਲ ਦੀ ਬਜਾਏ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਲਈ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਵਜੋਂ ਰੱਖਦਾ ਹੈ। ਇੱਕ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ, ਕੰਪਨੀ ਨੇ ਨੁਕਸਾਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਲਈ ਵਿੰਡ ਟਰਬਾਈਨ ਬਲੇਡਾਂ ਦੀਆਂ ਲਗਭਗ 3,000 ਜਨਤਕ ਫੋਟੋਆਂ 'ਤੇ LFM3-VL-2B ਨੂੰ ਵਧੀਆ ਬਣਾਇਆ। ਬਕਸੇ ਦੇ ਬਾਹਰ, LFM3-VL-2B ਅਤੇ GPT-6 ਲੂਨਾ ਦੋਵਾਂ ਨੇ 10 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਘੱਟ ਟੈਸਟ ਚਿੱਤਰਾਂ ਵਿੱਚ ਨੁਕਸ ਕਿਸਮਾਂ ਦੀ ਸਹੀ ਪਛਾਣ ਕੀਤੀ; ਇੱਕ ਸਿੰਗਲ A100 'ਤੇ ਕੁਝ ਘੰਟਿਆਂ ਦੀ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, GPT-6 ਲੂਨਾ ਲਈ 0.01 ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਵਧੀਆ-ਟਿਊਨਡ LFM3 67 ਪ੍ਰਤੀਸ਼ਤ ਵਰਗੀਕਰਣ ਸ਼ੁੱਧਤਾ ਅਤੇ 0.003 ਤੋਂ 0.11 ਤੱਕ ਸੁਧਾਰੀ ਖੋਜ F1 ਤੱਕ ਪਹੁੰਚ ਗਿਆ। ਕੰਪਨੀ ਨੇ ਟੂਲ ਆਰਕੈਸਟਰੇਸ਼ਨ, ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ ਨੈਵੀਗੇਸ਼ਨ, ਅਤੇ ਹੇਠਲੇ-ਪੱਧਰ ਦੇ ਰੋਬੋਟ-ਆਰਮ ਹੇਰਾਫੇਰੀ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲੇ ਸ਼ੁਰੂਆਤੀ ਰੋਬੋਟਿਕ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਵੀ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ।
ਡੇ-ਜ਼ੀਰੋ ਲਾਂਚ ਪਾਰਟਨਰਜ਼ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via AI Hub ਅਤੇ GenieX, ਅਤੇ Vercel, Mercedes-Benz ਅਤੇ Shopify ਦੇ ਨਾਲ ਪ੍ਰੀ-ਰਿਲੀਜ਼ ਟੈਸਟਿੰਗ ਵਿੱਚ ਹਿੱਸਾ ਲੈ ਰਹੇ ਹਨ। llama.cpp, MLX, LM ਸਟੂਡੀਓ, ਓਲਾਮਾ, ਅਤੇ vLLM ਸਮੇਤ ਕਮਿਊਨਿਟੀ ਰਨਟਾਈਮ ਲਾਂਚ ਸਮੇਂ ਮਾਡਲਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ।
ਰੀਲੀਜ਼ ਇੱਕ ਵਿਆਪਕ ਉਦਯੋਗ ਦੇ ਵਿਭਾਜਨ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦੀ ਹੈ: ਜਿਵੇਂ ਕਿ ਫਰੰਟੀਅਰ ਲੈਬਜ਼ ਹਮੇਸ਼ਾ-ਵੱਡੇ ਜਨਰਲਿਸਟ ਮਾਡਲਾਂ ਦਾ ਪਿੱਛਾ ਕਰਦੀ ਹੈ, ਲਿਕਵਿਡ AI ਸੱਟੇਬਾਜ਼ੀ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਛੋਟੇ, ਤੇਜ਼, ਵਿਸ਼ੇਸ਼ ਮਾਡਲ - ਇੱਕ GPU 'ਤੇ ਵਧੀਆ-ਟਿਊਨ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਸਸਤੇ ਅਤੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਉਣ ਲਈ ਕਾਫ਼ੀ ਛੋਟੇ - ਉਹ ਹੋਣਗੇ ਜਿੱਥੇ ਵਿਹਾਰਕ ਮੁੱਲ ਦਾ ਬਹੁਤ ਸਾਰਾ ਹਿੱਸਾ ਹੋਵੇਗਾ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
