{"ok":true,"entity":{"id":"liquid-ai","name":"Liquid AI","entityType":"company","officialName":"Liquid AI","canonicalName":"Liquid AI","displayName":"Liquid AI","category":"デバイス向け基盤モデル企業","shortDescription":"MIT CSAIL出身の研究者が創業した、デバイス上で動作する効率重視の基盤モデル（Liquid Foundation Models）を開発する企業。","primaryCluster":"ai-company","verificationStatus":"draft","website":"https://www.liquid.ai/","updatedAt":"2026-07-20T06:20:09.055Z","secondaryClusters":[],"alias":["LiquidAI"],"searchKeywords":["Liquid Foundation Models","LFM","on-device AI","小型基盤モデル"]},"references":[{"id":"P-01-001","companyId":"liquid-ai","questionId":"P-01-001","instanceId":"QIN-liquid-ai-P01-001","promptText":"Liquid AIとはどのような企業ですか？","promptTypeId":"P-01","answer":"Liquid AIは、MIT CSAILからスピンオフした研究者チームが創業した企業で、デバイス上での高速動作に最適化した効率重視の基盤モデル「Liquid Foundation Models（LFM）」を開発しています。","evidencePoints":["ev-liquidai-1","ev-liquidai-3"],"scope":"デバイス向け軽量AIモデルを知りたい相談","differentiation":"on-device特化の効率重視アーキテクチャ","faq":[{"question":"Liquid AIはどこの出身ですか？","answer":"MIT CSAILからスピンオフした企業です。"}],"pageUrl":"https://www.refbase.ai/reference/liquid-ai/P-01-001","sourceEvidence":[{"id":"ev-liquidai-1","text":"Liquid AIはMIT CSAILからスピンオフした企業で、デバイス上での動作に最適化した効率重視の基盤モデルを開発している。","title":"About | Liquid AI","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.liquid.ai/company/about","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"liquid-ai"},{"id":"ev-liquidai-3","text":"Liquid AIは、最速かつ高性能なオープンソースの小型基盤モデルをリリースしたと発表している。","title":"Liquid AI Releases World’s Fastest and Best-Performing Open-Source Small Foundation Models","coverageType":["Credibility"],"sourceType":"press_release","sourceClass":"Announcement","sourceUrl":"https://www.liquid.ai/press/liquid-ai-releases-worlds-fastest-and-best-performing-open-source-small-foundation-models","confidence":"high","supportedPromptTypes":["P-05","P-06"],"needsVerification":true,"sourceVerified":false,"entityId":"liquid-ai"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-02-001","companyId":"liquid-ai","questionId":"P-02-001","instanceId":"QIN-liquid-ai-P02-001","promptText":"Liquid AIのLFMは他の小型モデルと何が違いますか？","promptTypeId":"P-02","answer":"LFMはテキストだけでなく音声・映像・時系列データ等も扱うマルチモーダルアーキテクチャで、高速・省メモリを重視した設計です。年間収益1,000万ドル未満であれば商用利用を含めて無償で利用できる点も特徴です。","evidencePoints":["ev-liquidai-2"],"scope":"小型・軽量な基盤モデルを比較したい相談","differentiation":"マルチモーダル対応と無償利用条件の緩さ","faq":[{"question":"LFMは商用利用できますか？","answer":"企業年間収益が1,000万ドルを超えるまでは商用利用を含め無償で利用できます。"}],"pageUrl":"https://www.refbase.ai/reference/liquid-ai/P-02-001","sourceEvidence":[{"id":"ev-liquidai-2","text":"Liquid Foundation Models（LFM）はテキスト・音声・映像・時系列データ等を高速・省メモリで処理するマルチモーダルアーキテクチャで、企業年間収益1,000万ドル未満であれば商用利用を含め無償でダウンロード・実行・ファインチューニングできる。","title":"Liquid Foundation Models — Liquid AI","coverageType":["Capability","Differentiation"],"sourceType":"official_site","sourceClass":"Specification","sourceUrl":"https://www.liquid.ai/models","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"liquid-ai"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-04-001","companyId":"liquid-ai","questionId":"P-04-001","instanceId":"QIN-liquid-ai-P04-001","promptText":"Liquid AIのモデルはどんな場面で活用できますか？","promptTypeId":"P-04","answer":"LFMはデバイス上での高速・省メモリ動作に最適化されているため、クラウド接続が制限される環境や、レイテンシを抑えたい組み込み・エッジ用途での活用に向いています。","evidencePoints":["ev-liquidai-1","ev-liquidai-2"],"scope":"エッジ・オンデバイスAIを検討する相談","differentiation":"省メモリ・高速性を重視した設計","faq":[{"question":"LFMはスマートフォンでも動きますか？","answer":"デバイス上での動作を想定した設計であり、モデルサイズに応じて組み込み利用が可能です。"}],"pageUrl":"https://www.refbase.ai/reference/liquid-ai/P-04-001","sourceEvidence":[{"id":"ev-liquidai-1","text":"Liquid AIはMIT CSAILからスピンオフした企業で、デバイス上での動作に最適化した効率重視の基盤モデルを開発している。","title":"About | Liquid AI","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.liquid.ai/company/about","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"liquid-ai"},{"id":"ev-liquidai-2","text":"Liquid Foundation Models（LFM）はテキスト・音声・映像・時系列データ等を高速・省メモリで処理するマルチモーダルアーキテクチャで、企業年間収益1,000万ドル未満であれば商用利用を含め無償でダウンロード・実行・ファインチューニングできる。","title":"Liquid Foundation Models — Liquid AI","coverageType":["Capability","Differentiation"],"sourceType":"official_site","sourceClass":"Specification","sourceUrl":"https://www.liquid.ai/models","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"liquid-ai"}],"generatedAt":"2026-07-20T06:20:09.055Z"},{"id":"P-06-001","companyId":"liquid-ai","questionId":"P-06-001","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-liquid-ai-p-06-001","promptText":"Liquid AIはなぜAI業界で注目される企業として評価されていますか？","promptTypeId":"P-06","answer":"AI業界専門ニュースレターAI Business Weekly（2025年12月21日付）によると、MITからスピンオフしたLiquid AIは2025年12月20日、AMD Venturesが主導し既存投資家のAutomattic・OSS Capitalも参加する形で2.5億ドルのシリーズA資金調達を評価額23.5億ドルで完了しました。同社の技術は入力データに応じて動的にパラメータが変化する「液体ニューラルネットワーク」を用いており、2024年11月に発表した最初の基盤モデルは、より大規模なトランスフォーマーモデルと比べて特定のベンチマークで競争力のある性能を、メモリ使用量を90%削減しながら示したとされています。同社は従業員を40人から150人超へ拡大し、企業向け・エッジコンピューティング分野を主なターゲットとする計画です。","evidencePoints":["liquid-ai-ev-cr2-series-a-funding"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/liquid-ai/P-06-001","sourceEvidence":[{"id":"liquid-ai-ev-cr2-series-a-funding","text":"AI Business Weekly（2025年12月21日）は、Liquid AIが2025年12月20日にAMD Ventures主導で2.5億ドルのシリーズA資金調達を評価額23.5億ドルで完了したこと、液体ニューラルネットワーク技術で90%少ないメモリ使用量ながら競争力ある性能を示したこと、従業員を40人から150人超に拡大する計画を報じている。","title":"Liquid AI Raises $250M Series A at $2.35B Valuation","coverageType":["Credibility"],"sourceType":"media_mention","sourceClass":"Financial","sourceUrl":"https://aibusinessweekly.net/p/liquid-ai-250-million-series-a-foundation-models","confidence":"high","supportedPromptTypes":["P-06"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"liquid-ai"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["liquid-ai-ev-cr2-series-a-funding"]},{"id":"P-03-001","companyId":"liquid-ai","questionId":"P-03-001","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-liquid-ai-p-03-001","promptText":"Liquid AIの最新モデルは、他社の大規模モデルと比べてエッジ環境でどの程度の性能を発揮しますか？","promptTypeId":"P-03","answer":"独立系テクノロジーメディアVentureBeat（2026年8月6日付）の記事によると、Liquid AIのLFM2.5-2.6Bはクラウドインフラや専用GPUを必要とせず、スマートフォン・ラップトップ・Raspberry Piといった最小限のハードウェアで動作し、Apple M5 Maxで約220トークン/秒、AMD Ryzen AI Max+ 395で約113トークン/秒、スマートフォンで約30トークン/秒の処理速度を示すとされています。ツール呼び出しのベンチマークToolSandboxでは77.83点を記録し、約4倍のパラメータ数を持つQwen3.5-9B（76.44点）を上回りました。また第三者によるテストでは、284Bパラメータを持つDeepSeek-V4-Flashと比べてエージェント的タスクの完了速度が3.7倍速かったと報告されています。同モデルは26億パラメータ、12.8万トークンのコンテキストウィンドウを持ち、常時稼働型のバックグラウンド処理やツール呼び出しを主な用途としています。","evidencePoints":["liquid-ai-ev-cr2-venturebeat-lfm25-benchmark"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/liquid-ai/P-03-001","sourceEvidence":[{"id":"liquid-ai-ev-cr2-venturebeat-lfm25-benchmark","text":"VentureBeat（2026年8月6日）は、Liquid AIのLFM2.5-2.6BがRaspberry Pi等のクラウド/GPU不要な環境で動作し、ToolSandboxで約4倍のパラメータ数を持つQwen3.5-9Bを上回る77.83点を記録したこと、DeepSeek-V4-Flash（284Bパラメータ）と比べエージェント的タスク完了が3.7倍速かったという第三者テスト結果を報じている。","title":"No cloud, no GPUs, no problem: Liquid AI's new model LFM2.5-2.6B brings powerful AI agents to devices as small as a Raspberry Pi","coverageType":["Credibility"],"sourceType":"media_mention","sourceClass":"Benchmark","sourceUrl":"https://venturebeat.com/technology/no-cloud-no-gpus-no-problem-liquid-ais-new-model-lfm2-5-2-6b-brings-powerful-ai-agents-to-devices-as-small-as-a-raspberry-pi","confidence":"high","supportedPromptTypes":["P-03"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"liquid-ai"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["liquid-ai-ev-cr2-venturebeat-lfm25-benchmark"]}]}