Liquid AI telah merilis dua model encoder dengan bobot terbuka, LFM2.5-Encoder-230M dan LFM2.5-Encoder-350M, yang dirancang untuk inferensi konteks panjang yang efisien pada CPU. Model-model ini mendukung konteks 8.196 token dan dibangun dengan mengubah backbone decoder LFM2 menjadi encoder bidirectional menggunakan pemodelan bahasa tersembunyi.

  • Model-model ini setara atau lebih baik daripada encoder yang lebih besar pada GLUE, SuperGLUE, dan tugas multibahasa.
  • LFM2.5-Encoder-230M sekitar 3,7 kali lebih cepat daripada ModernBERT-base dengan 8.196 token di CPU.
  • Kedua model tersedia untuk penyetelan halus pada tugas klasifikasi, routing, dan ekstraksi.

Rilis ini bertujuan untuk menyediakan alternatif yang lebih murah dan cepat bagi LLM generatif untuk aplikasi NLP produksi volume tinggi yang berjalan pada perangkat keras standar.