MIT 発スタートアップ Liquid AI の非 Transformer アーキテクチャ言語モデル。State Space Model ベースで省メモリ・長文脈処理に強く、エッジデバイス向け次世代 LLM として 2026 年に注目を集める。
Liquid LFM 2.5 は、MIT 発のスタートアップ Liquid AI が 2026 年に公開した非 Transformer アーキテクチャの言語モデルです。Liquid AI は MIT の Daniela Rus 教授ラボから生まれた研究プロジェクトを起源とし、Liquid Time-constant Networks(液体ニューラルネットワーク)という連続時間系の動的ニューラルネット理論を応用しています。
LFM(Liquid Foundation Model)シリーズは、Transformer の Self-Attention に頼らず、State Space Model 系の構造で逐次計算を効率化する設計です。1.2B / 3B / 7B / 40B のラインナップがあり、特に 1.2B 版はエッジデバイス向けに省メモリ・低レイテンシで動作する小型モデルとして高い評価を得ています。同サイズの Transformer 系モデル(Phi-3.5-mini / Llama 3.2 3B / Qwen2.5-1.5B)を上回るベンチマーク結果を出しており、MoE や Attention に頼らない第三のスケーリングパスとして業界の関心を集めています。
| モデル | パラメータ | ベンチ平均 | 推論速度 | メモリ |
|---|---|---|---|---|
| LFM 2.5 1.2B | 1.2B | 60 | 200 tok/s | 1GB |
| LFM 2.5 3B | 3B | 67 | 120 tok/s | 2.5GB |
| LFM 2.5 7B | 7B | 72 | 80 tok/s | 5GB |
| LFM 2.5 40B | 40B | 78 | 30 tok/s | 25GB |
| Phi-3.5-mini | 3.8B | 65 | 90 tok/s | 3GB |
LFM 2.5 1.2B は Raspberry Pi 5(8GB)や Apple M1 Mac mini といった廉価ハードウェアでも実用速度で動作します。エッジ AI 開発キット(Jetson Orin Nano、Coral Dev Board)との相性も良好です。
ただし、Liquid AI は商用ライセンスで配布する戦略を取っており、完全オープンウェイトではありません。LM Studio や限定的な研究用配布で動作確認版を入手できますが、商用利用は Liquid AI への問い合わせが必要です。OSS 派生プロジェクト(Mamba / Striped Hyena)を試したい場合は、それらの方が自由度が高い選択となります。
Q1: なぜ非 Transformer なのですか? A: Transformer の Self-Attention は系列長 N に対して O(N²) の計算コストがかかります。State Space Model 系は O(N) で済むため、長文脈と省メモリが必要なエッジ用途で大きな利点があります。
Q2: 完全オープンソースですか? A: いいえ。Liquid AI は商用配布戦略で、ウェイトの完全公開はしていません。完全 OSS の SSM が必要なら Mamba / Striped Hyena を検討してください。
Q3: スマートフォンで動きますか? A: 1.2B Q4 量子化版は iPhone 15 Pro / Pixel 8 Pro クラスで 10-20 tok/s 程度動作します。アプリ組込での AI アシスタント実装に向いています。