Liquid AI 发布 LFM2.5 系列 Q4_0 量化检查点，恢复 97% 精度损失

OmniTools 8月19日消息，Liquid AI 近日发布 LFM2.5 系列四款 Q4_0 GGUF 量化检查点，涵盖 230M、350M、1.2B-Instruct 和 2.6B 四种参数规模。

该系列采用量化感知蒸馏（QAD）训练方法，在维持原生 Q4_0 内存占用与推理速度的前提下，恢复了 BF16 精度基准下平均精度损失的 97%。

相关模型已面向开发者开放，适用于资源受限环境下的高效部署。