Liquid AI, le fabricant des modèles LFM pour l'IA embarquée

Une spin-off du MIT

Liquid AI a été fondée en 2023 par Ramin Hasani, Mathias Lechner, Alexander Amini et Daniela Rus, issus du laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL). L’entreprise, Liquid AI, Inc., ne précise pas la ville de son siège sur ses pages officielles. Sa mission affichée : construire une IA généraliste efficace « à toutes les échelles », prête à fonctionner sur n’importe quel appareil.

Son nom fait écho aux « réseaux de neurones liquides », une famille de réseaux de neurones au cœur des travaux de recherche de l’entreprise.

Les Liquid Foundation Models

Les modèles de Liquid AI s’appellent LFM (Liquid Foundation Models), avec des générations successives comme LFM2 et LFM2.5. Ils sont hybrides : plutôt que de reposer uniquement sur l’architecture Transformer, ils mêlent des blocs de convolution et des blocs d’attention. L’objectif est de consommer peu de mémoire et de calcul, pour tourner sur un téléphone, un ordinateur portable, une voiture ou un objet connecté.

La documentation range les modèles en six catégories :

• modèles texte (discussion, appel d’outils, sorties structurées) ;
• modèles vision et audio ;
• modèles de décision, pour classer ou router des demandes ;
• Liquid Nanos, de très petits modèles spécialisés (extraction, résumé, traduction) ;
• modèles encodeurs, pour la recherche et les embeddings.

Une ouverture sous conditions

Les poids des LFM sont publiés sur Hugging Face, avec des formats adaptés à l’exécution locale (GGUF, MLX, ONNX). Ce sont donc des modèles à poids ouverts, mais pas open source au sens strict : la LFM Open License v1.0 réserve l’usage commercial gratuit aux organisations sous un seuil de chiffre d’affaires. En pratique, une start-up ou un développeur indépendant peut les intégrer librement, alors qu’une grande entreprise doit négocier une licence.

Comment y accéder

• Hugging Face pour télécharger les poids, compatibles avec llama.cpp, Ollama, MLX, vLLM ou SGLang.
• Le Playground de Liquid et OpenRouter pour tester par API.
• L’application Apollo sur iOS et Android, pour une IA locale.
• La documentation officielle, qui détaille aussi un service d’affinage géré.

Ce qui distingue Liquid AI, c’est ce pari du « petit et local » : moins de puissance brute, mais une IA qui garde vos données sur l’appareil. Pour comparer les LFM aux autres modèles ouverts, consultez notre page sur les modèles open source.