Reddit 用戶正在討論 Liquid AI 可能推出的 100B 參數 Liquid Flow 模型（LFM），焦點集中在第三版的可能性。這款潛在發布對本地 AI 社群具有重要意義，因為 100B 模型可能是部署在 NVIDIA RTX Pro 6000 或 Mac Studio 等消費級硬體上的理想尺寸。它突顯了 Liquid AI 的架構效率，使得大型模型能夠在本地運行，而無需龐大的資料中心資源。Liquid AI 的 Liquid Flow 模型基於液態神經網路建構，利用動力系統和訊號處理技術實現快速客製化與高效能。雖然訓練 100B 混合專家（MoE）模型所需的運算量遠大於其現有的 2-5B 模型，但該架構的效率使得擁有足夠 VRAM 的愛好者也能實現本地部署。

事件背景

Liquid AI 是一家開發基礎模型的科技公司，採用稱為液態神經網路（Liquid Neural Networks）的獨特架構，該架構靈感來自生物神經系統。與傳統靜態神經網路不同，液態神經網路能隨時間調整其內部狀態，使其在特定任務上極具效率，並適合用於邊緣裝置。像他們目前產品的小型語言模型（SLM）注重實用性與速度，而大型語言模型（LLM）則通常以更高的資源消耗換取更廣泛的推理能力。

社群觀察

社群成員既感到興奮又保持謹慎，認為發布與 Liquid AI 可用的運算資源有關，並指出訓練 100B 模型比訓練其較小模型的要求高得多。許多用戶因為其與 64GB VRAM 設定的相容性而偏好 100B 模型，但也有其他人欣賞其現有的 2.6B 和 4B 模型在輔助任務中的實用性。