Liquid AI lanserer Liquid Foundation Models: En game-changer i generativ AI

I en banebrytende annonsering, Liquid AI, et MIT-spinoff, har introdusert sin første serie Liquid Foundation Models (LFM). Disse modellene, designet fra grunnen av, setter en ny standard i generativ AI-rommet, og tilbyr ubetalte resultater på tvers av ulike skalaer. LFM, med sin innovative arkitektur og avanserte funksjoner, er godt posisjonert til å utfordre bransjeledende AI-modeller, inkludert ChatGPT.

Liquid AI ble grunnlagt av et team av MIT-forskere, inkludert Ramin Hasani, Mathias Lechner, Alexander Amini, og Daniela Rus. Hovedkontoret ligger i Boston, Massachusetts, og selskapets misjon er å skape dyktige og effektive generelle AI-systemer for bedrifter av alle størrelser. Teamet opprinnelig banebrytende liquid neurale nettverk, en klasse av AI-modeller inspirert av hjernedynamikk, og nå målet å utvide funksjonene til AI-systemer på alle nivåer, fra edge-enheter til bedriftsgraderte distribusjoner.

Hva er Liquid Foundation Models (LFM)?

Liquid Foundation Models representerer en ny generasjon av AI-systemer som er høyt effektive i både minnebruk og beregningskraft. Bygget på en grunn i dynamiske systemer, signalbehandling og numerisk lineær algebra, er disse modellene designet for å håndtere ulike typer sekvensielle data – som tekst, video, lyd og signaler – med merkbare nøyaktighet.

Liquid AI har utviklet tre primære språkmodeller som en del av denne lanseringen:

• LFM-1B: En tett modell med 1,3 milliarder parametre, optimalisert for ressursbegrensede miljøer.
• LFM-3B: En 3,1 milliarder-parametere modell, ideell for edge-distribusjonsscenarioer, som mobilapplikasjoner.
• LFM-40B: En 40,3 milliarder-parametere Mixture of Experts (MoE) modell designet for å håndtere komplekse oppgaver med unik ytelse.

Disse modellene har allerede demonstrert toppkvalitetresultater på tvers av nøkkel AI-benchmark, og gjør dem til en formidabel konkurrent til eksisterende generative AI-modeller.

State-of-the-Art Performance

Liquid AI sine LFM levere best-i-klassen ytelse på tvers av ulike benchmark. For eksempel, LFM-1B overgår transformer-baserte modeller i sin størrelsekategori, mens LFM-3B konkurrerer med større modeller som Microsofts Phi-3,5 og Metas Llama-serie. LFM-40B-modellen, til tross for sin størrelse, er effektiv nok til å rivalisere modeller med enda større parameterantall, og tilbyr en unik balanse mellom ytelse og ressurs-effektivitet.

Noen høydepunkter i LFM-ytelse inkluderer:

• LFM-1B: Dominerer benchmark som MMLU og ARC-C, og setter en ny standard for 1B-parametere modeller.
• LFM-3B: Overgår modeller som Phi-3,5 og Googles Gemma 2 i effektivitet, samtidig som den opprettholder en liten minneavtrykk, og gjør den ideell for mobil- og edge-AI-applikasjoner.
• LFM-40B: MoE-arkitekturen i denne modellen tilbyr sammenlignbar ytelse med større modeller, med 12 milliarder aktive parametre på et gitt tidspunkt.

En ny æra i AI-effektivitet

En betydelig utfordring i moderne AI er å håndtere minne og beregning, særlig når man arbeider med lange kontekstoppdrag som dokumentoppsummering eller chatbot-interaksjoner. LFM utmerker seg i dette området ved å effektivt komprimere inndata, og resulterer i redusert minneforbruk under inferens. Dette tillater modellene å prosessere lengre sekvenser uten å kreve dyre maskinoppgraderinger.

For eksempel, LFM-3B tilbyr en 32k token kontekstlengde – og gjør den til en av de mest effektive modellene for oppgaver som krever store mengder data å bli prosessert samtidig.

En revolusjonerende arkitektur

LFM er bygget på en unik arkitekturramme, som avviker fra tradisjonelle transformermodeller. Arkitekturen er sentrert rundt adaptive lineære operatører, som modulerer beregning basert på inndata. Dette tillater Liquid AI å optimalisere ytelse betydelig på tvers av ulike hardwareplattformer, inkludert NVIDIA (NVDA ), AMD, Cerebras (CBRS ) og Apple-hardware.

Designrommet for LFM involverer en ny blanding av token-mixing og channel-mixing strukturer som forbedrer hvordan modellen prosesserer data. Dette leder til overlegen generalisering og resonneringsevner, særlig i lange kontekstoppdrag og multimodale applikasjoner.

Utviding av AI-fronten

Liquid AI har store ambisjoner for LFM. Forbi språkmodeller, arbeider selskapet med å utvide sine grunnmodeller for å støtte ulike data-modaliteter, inkludert video, lyd og tidsserie-data. Disse fremgangene vil enable LFM å skalerer på tvers av flere industrier, som finansielle tjenester, bioteknologi og forbruker-elektronikk.

Selskapet fokuserer også på å bidra til den åpne vitenskapsmiljøet. Mens modellene selv ikke er åpne, planlegger Liquid AI å slippe relevante forskningsfunn, metoder og datasamlinger til den bredere AI-samfunnet, og oppmuntre til samarbeid og innovasjon.

Tidlig tilgang og adopsjon

Liquid AI tilbyr nå tidlig tilgang til sine LFM gjennom ulike plattformer, inkludert Liquid Playground, Lambda (Chat UI og API), og Perplexity Labs. Bedrifter som ønsker å integrere banebrytende AI-systemer i sine operasjoner, kan utforske potensialet for LFM på tvers av ulike distribusjonsmiljøer, fra edge-enheter til på-premise-løsninger.

Liquid AI sin åpne vitenskaps-tilnærming oppmuntre tidlige adoptører til å dele sine erfaringer og innsikter. Selskapet søker aktivt etter tilbakemeldinger for å finjustere og optimalisere sine modeller for virkelige applikasjoner. Utviklere og organisasjoner som er interessert i å bli en del av denne reisen, kan bidra til å teste og hjelpe Liquid AI med å forbedre sine AI-systemer.

Konklusjon

Lanseringen av Liquid Foundation Models markerer en betydelig fremgang i AI-landskapet. Med fokus på effektivitet, tilpasning og ytelse, står LFM godt posisjonert til å forme hvordan bedrifter nærmer seg AI-integrasjon. Etterhvert som flere organisasjoner adopterer disse modellene, vil Liquid AI sitt visjon om skalerbare, generelle AI-systemer sannsynligvis bli en hjørnestein i den neste æraen av kunstig intelligens.

Hvis du er interessert i å utforske potensialet for LFM for din organisasjon, inviterer Liquid AI deg til å ta kontakt og bli en del av den voksende samfunnet av tidlige adoptører som former fremtiden av AI.

For mer informasjon, besøk Liquid AI sitt offisielle nettsted og start eksperimentering med LFM i dag.