问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，AI初创公司Liquid AI正式推出LFM2.5-DSpark Draft系列模型，该系列基于推测解码技术对原有LFM2.5大语言模型进行优化，在完全不改变模型输出结果的前提下，解码速度最高提升3.18倍，有望大幅降低大语言模型推理成本，提升各类端侧、云端AI应用的响应效率。
推理速度慢、算力成本高一直是制约大语言模型规模化落地的核心瓶颈，尤其是在高并发的企业级服务场景和算力有限的消费级端侧设备上，更快的解码速度直接决定了用户体验与运营投入的平衡点，行业长期以来都在探索不损失模型效果的提速方案。
本次Liquid AI推出的DSpark系列模型，核心是为原有LFM2.5基座模型新增了推测解码（Speculative Decoding）模块。和业内常见的量化、剪枝等会一定程度损失模型输出质量的优化方案不同，推测解码通过轻量小模型提前预测后续生成token、再由基座模型一次性批量验证的技术路径，既不会改变基座模型的原有输出结果，也不需要对基座进行额外重训练，适配成本极低。
根据官方公布的测试数据，在长文本生成、多轮对话等通用场景下，LFM2.5-DSpark的解码速度普遍比原版LFM2.5提升2倍以上，在短问答等特定场景下最高可达3.18倍，完全满足实时交互的响应要求。
2026年以来，大模型行业的竞争已经从参数规模、能力上限的比拼，转向落地成本、运行效率的务实竞争，OpenAI、Anthropic等头部厂商都在密集推出推理优化版本的模型，以期降低服务成本争夺企业客户。
作为主打轻量化、高能效比的AI初创企业，Liquid AI此前推出的LFM系列开源模型，就凭借同等参数下优于Llama 3的性能表现和更低的算力要求，获得了不少端侧硬件厂商、AI应用开发者的青睐，本次DSpark系列的推出，进一步巩固了其在能效赛道的竞争优势。据行业测算，推理成本目前已经占到大模型运营总成本的70%以上，若全行业普及同类无损提速方案，整体推理成本有望下降超50%，直接推动AI应用向更多下沉场景渗透。
业内分析师指出，LFM2.5-DSpark这类无损提速模型的普及，将进一步降低端侧AI的算力门槛：原本需要中高端芯片才能流畅运行的7B、14B参数级大模型，现在在中端消费级芯片上也能实现实时响应，未来智能手表、车载语音助手、离线办公软件等场景的AI功能体验有望迎来明显升级。
目前Liquid AI已经开放了该系列模型的开源权重，开发者可免费获取用于商用或非商用开发，预计未来3个月内将有超过20款消费级AI应用接入该系列模型。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号