Liquid AI опубликовала релиз LFM2-1.2B-Longevity в виде карточки модели. Компактная доменно-адаптированная LLM предназначена для интерпретации разнородных данных биологии старения, а карточка раскрывает её устройство, обучение, использование и ограничения.

Чекпойнт получили полнопараметрическим контролируемым дообучением базовой LiquidAI/LFM2-1.2B на связанных со старением мультииксных и клинических данных. Модель использует гибридную архитектуру Liquid с мультипликативными вентилями и короткими свёртками, а длина контекста составляет 32 768 токенов.

Модель предназначена для исследований биологии старения и интерпретации омиксных данных. Её ответы не являются клиническими рекомендациями и требуют экспериментальной проверки, а лучшие результаты ожидаются на модальностях из обучающего корпуса.

Проверка утверждений:

  • Liquid AI опубликовала релиз LFM2-1.2B-Longevity в виде карточки модели: она представляет компактную доменно-адаптированную LLM для интерпретации разнородных данных биологии старения и даёт читателю сведения о её устройстве, обучении, использовании и ограничениях. (подтверждено первоисточником: доказательство; «Longevity-LLM (L-LLM) is a family of compact, domain-adapted language models for interpreting heterogeneous aging biology data.»)
  • Семейство Longevity LFM включает две версии: LFM2-1.2B-Longevity и LFM2-2.6B-Longevity. (подтверждено первоисточником: доказательство; «Longevity LFMs are available in two sizes: LFM2-1.2B-Longevity (this model) LFM2-2.6B-Longevity»)
  • Модель совместно разработали Insilico Medicine и Liquid AI; она сопровождает исследование «An Open Benchmark and Language Models for AI in Aging Biology» 2026 года. (подтверждено первоисточником: доказательство; «This model was developed jointly by Insilico Medicine and Liquid AI and accompanies the study “An Open Benchmark and Language Models for AI in Aging Biology” (Zhavoronkov et al., 2026).»)
  • Чекпойнт получен полнопараметрическим контролируемым дообучением базовой LiquidAI/LFM2-1.2B на связанных со старением мультииксных и клинических данных. (подтверждено первоисточником: доказательство; «This checkpoint, L-LFM2-1.2B , was produced by full-parameter supervised fine-tuning of LiquidAI/LFM2-1.2B on aging-related multi-omics and clinical data.»)
  • LFM2-1.2B-Longevity использует гибридную архитектуру Liquid с мультипликативными вентилями и короткими свёртками, имеет контекст 32 768 токенов и работает на английском языке. (подтверждено первоисточником: доказательство; «Architecture : Hybrid Liquid model with multiplicative gates and short convolutions. Context length : 32,768 tokens Language : English»)
  • Обучение использовало общий корпус L-LLM по биологии старения, а промпты оформлялись в ChatML с динамическим выбором режима рассуждения через суффиксы /think и /no_think. (подтверждено первоисточником: доказательство; «Training procedure. L-LFM2-1.2B was trained with full-parameter supervised fine-tuning. Prompts were formatted in ChatML with a dynamic-thinking template (user turns suffixed with /think or /no_think to select response mode at inference).»)
  • Карточка перечисляет поддержку Transformers, vLLM, SGLang, llama.cpp, MLX и LM Studio; vLLM и SGLang предназначены для высокопроизводительных GPU-развёртываний, а llama.cpp поддерживает переносимый запуск с выгрузкой на CPU. (подтверждено первоисточником: доказательство; «LFM2 is supported by many inference frameworks. See the Inference documentation for the full list. Name Description Docs Notebook Transformers Simple inference with direct access to model internals. Link vLLM High-throughput production deployments with GPU. Link SGLang High-throughput production deployments with GPU. Link — llama.cpp Cross-platform inference with CPU offloading. Link MLX Apple’s machine learning framework optimized for Apple Silicon. Link — LM Studio Desktop application for running LLMs locally.»)
  • Пример быстрого старта рассчитан на Transformers версии 5.1.0 или новее и загружает модель в bfloat16 с автоматическим распределением по устройствам. (подтверждено первоисточником: доказательство; «Quick start with Transformers (compatible with transformers>=5.1.0 ) from transformers import AutoModelForCausalLM, AutoTokenizer # Load model and tokenizer model_id = “LiquidAI/LFM2-1.2B-Longevity” model = AutoModelForCausalLM.from_pretrained( model_id, device_map= “auto” , dtype= “bfloat16” , )»)
  • Модель предназначена для исследований биологии старения и интерпретации омиксных данных; её ответы не являются клиническими рекомендациями, требуют экспериментальной проверки, а лучшие результаты ожидаются на модальностях из обучающего корпуса. (подтверждено первоисточником: доказательство; «Intended for research on aging biology and omics interpretation. Outputs are model predictions, not clinical advice, and should be validated experimentally. Performance is strongest on the modalities represented in the training corpus.»)
  • На момент сохранения первоисточника модель не была развёрнута ни у одного провайдера инференса Hugging Face. (подтверждено первоисточником: доказательство; «This model isn’t deployed by any Inference Provider.»)

Первоисточники:

оценка 63.7 · тип release · ревизия 1 · истории st-1inboqx