Liquid AI Lanserar Liquid Foundation Models: En Spelets Förändrare inom Genererande AI

I en banbrytande tillkännagivande har Liquid AI, ett MIT-spinoff, introducerat sin första serie Liquid Foundation Models (LFM). Dessa modeller, utformade från grunden, sätter en ny standard inom genererande AI-området, med obesegrat prestanda över olika skalor. LFM, med sin innovativa arkitektur och avancerade funktioner, är redo att utmana branschledande AI-modeller, inklusive ChatGPT.

Liquid AI grundades av ett team av MIT-forskare, inklusive Ramin Hasani, Mathias Lechner, Alexander Amini, och Daniela Rus. Huvudkontoret ligger i Boston, Massachusetts, och företagets mission är att skapa kapabla och effektiva allmänna AI-system för företag av alla storlekar. Teamet var ursprungligen pionjärer inom flytande neuronnät, en klass av AI-modeller inspirerade av hjärndynamik, och syftar nu till att utöka kapaciteten hos AI-system på alla skalor, från edge-enheter till företagsklassade distributioner.

Vad är Liquid Foundation Models (LFM)?

Liquid Foundation Models representerar en ny generation av AI-system som är högt effektiva i både minnesanvändning och beräkningskraft. Byggda med en grund i dynamiska system, signalbehandling och numerisk linjär algebra, är dessa modeller utformade för att hantera olika typer av sekventiell data – såsom text, video, ljud och signaler – med anmärkningsvärd precision.

Liquid AI har utvecklat tre primära språkmodeller som en del av denna lansering:

• LFM-1B: En tät modell med 1,3 miljarder parametrar, optimerad för resursbegränsade miljöer.
• LFM-3B: En 3,1 miljarder-parametrars modell, ideal för edge-distributionsscenarier, såsom mobilapplikationer.
• LFM-40B: En 40,3 miljarder-parametrars Mixture of Experts (MoE)-modell utformad för att hantera komplexa uppgifter med exceptionell prestanda.

Dessa modeller har redan visat sig ha toppmodellprestanda över nyckel-AI-benchmark, vilket gör dem till en formidabel konkurrent till befintliga genererande AI-modeller.

Toppprestanda

Liquid AI:s LFM erbjuder toppklassprestanda över olika benchmark. Till exempel LFM-1B överträffar transformerbaserade modeller i sin storlekskategori, medan LFM-3B konkurrerar med större modeller som Microsofts Phi-3.5 och Metas Llama-serie. LFM-40B-modellen, trots sin storlek, är tillräckligt effektiv för att rivalisera modeller med ännu större parameterantal, vilket erbjuder en unik balans mellan prestanda och resurseffektivitet.

Några höjdpunkter i LFM-prestanda inkluderar:

• LFM-1B: Dominerar benchmark som MMLU och ARC-C, och sätter en ny standard för 1B-parametrarsmodeller.
• LFM-3B: Överträffar modeller som Phi-3.5 och Googles Gemma 2 i effektivitet, samtidigt som den upprätthåller en liten minnesavtryck, vilket gör den ideal för mobil- och edge-AI-applikationer.
• LFM-40B: MoE-arkitekturen i denna modell erbjuder jämförbar prestanda med större modeller, med 12 miljarder aktiva parametrar vid varje given tidpunkt.

En ny era inom AI-effektivitet

En betydande utmaning inom modern AI är att hantera minne och beräkningar, särskilt när man arbetar med långkontextuppgifter som dokumentsummering eller chattbotinteraktioner. LFM excellerar inom detta område genom att effektivt komprimera indata, vilket resulterar i minskad minneskonsumtion under inferens. Detta gör det möjligt för modellerna att bearbeta längre sekvenser utan att kräva dyra maskinuppgraderingar.

Till exempel erbjuder LFM-3B en 32k tokenkontextlängd – vilket gör den till en av de mest effektiva modellerna för uppgifter som kräver stora mängder data som bearbetas samtidigt.

En revolutionerande arkitektur

LFM är byggda på en unik arkitekturram, som avviker från traditionella transformermodeller. Arkitekturen är centrerad kring adaptiva linjära operatorer, som modulerar beräkningar baserat på indata. Detta tillvägagångssätt gör det möjligt för Liquid AI att signifikant optimera prestanda över olika hårdvaruplattformar, inklusive NVIDIA (NVDA ), AMD, Cerebras (CBRS ) och Apple-hårdvara.

Designutrymmet för LFM innefattar en ny blandning av token-mixing och kanal-mixningsstrukturer som förbättrar hur modellen bearbetar data. Detta leder till överlägsen generalisering och resonemangsförmåga, särskilt i långkontextuppgifter och multimodala applikationer.

Utvidgning av AI-gränsen

Liquid AI har stora ambitioner för LFM. Utöver språkmodeller arbetar företaget med att utöka sina grundmodeller för att stödja olika datamodaliteter, inklusive video, ljud och tidsseriedata. Dessa framsteg kommer att göra det möjligt för LFM att skalas över flera branscher, såsom finansiella tjänster, bioteknik och konsumentelektronik.

Företaget fokuserar också på att bidra till den öppna vetenskapssamhället. Även om modellerna själva inte är öppen källkod just nu, planerar Liquid AI att släppa relevanta forskningsfynd, metoder och datamängder till den bredare AI-gemenskapen, vilket uppmuntrar samarbete och innovation.

Tidig tillgång och antagande

Liquid AI erbjuder för närvarande tidig tillgång till sina LFM via olika plattformar, inklusive Liquid Playground, Lambda (Chat UI och API) och Perplexity Labs. Företag som vill integrera banbrytande AI-system i sina verksamheter kan utforska potentialen hos LFM över olika distributionsmiljöer, från edge-enheter till on-premise-lösningar.

Liquid AI:s öppna vetenskapsapproach uppmuntrar tidiga antagare att dela sina erfarenheter och insikter. Företaget söker aktivt feedback för att finslipa och optimera sina modeller för verkliga applikationer. Utvecklare och organisationer som är intresserade av att bli en del av denna resa kan bidra till red-teaming-insatser och hjälpa Liquid AI att förbättra sina AI-system.

Slutsats

Lanseringen av Liquid Foundation Models markerar en betydande framsteg inom AI-landskapet. Med fokus på effektivitet, anpassningsförmåga och prestanda är LFM redo att omdefiniera hur företag närmar sig AI-integration. När fler organisationer antar dessa modeller kommer Liquid AI:s vision om skalbara, allmänna AI-system sannolikt att bli en hörnsten i den kommande eran av artificiell intelligens.

Om du är intresserad av att utforska potentialen hos LFM för din organisation, inbjuder Liquid AI dig att ta kontakt och ansluta till den växande gemenskapen av tidiga antagare som formar framtiden för AI.

För mer information, besök Liquid AI:s officiella webbplats och börja experimentera med LFM idag.