Liquid、「Nanos」を発表：日常デバイス上で直接動作し、フロンティアモデルに匹敵する品質を実現する超小型基盤モデル
マサチューセッツ州ケンブリッジ — 2025年9月25日 — Liquid は本日、AI モデルのトレーニングとカスタマイズにおけるブレークスルーを発表しました。これにより、3億5,000万～26億のパラメーター基盤モデル（「Nanos」）が、電話、ラップトップ、および組み込みデバイスで実行されながら、特殊なエージェントタスクで GPT-4o クラスのパフォーマンスを提供できるようになります。社内およびパートナーの評価では、Liquid Nanos は最大で数百倍も大きいモデルと競合する性能を示しました。その結果、クラウドフリーの経済性を備えた世界規模で展開できる AI エージェントが実現しました。
データセンターで大規模なフロンティアモデルを運用する際のコストとエネルギー消費は、広範な展開を妨げる大きな障壁となっています。Liquid が設計した効率的で軽量、かつマルチモーダルな大規模言語モデル「Liquid Foundation Models（LFM）」は、この課題を根本から変えます。LFM は、高度なトレーニング手法と特殊なファインチューニングを組み合わせることで、極めて小規模な「Nanos」クラスでも、エージェント AI の基盤を構成する主要要素――正確なデータ抽出、構造化された出力生成、多言語翻訳（10言語以上）、検索拡張生成（RAG）、数理的推論、ツール呼び出し――において、フロンティアレベルに迫る信頼性を実現します。
「Liquid Nanos は、追加の推論コストをかけることなく、大規模なフロンティアモデルと同等のタスク特化型パフォーマンスを実現します。応答遅延、推論コスト、プライバシー要件に厳しい KPI を持つ生成 AI アプリケーションにとって、理想的なソリューションです」と、Liquid AI の CTO であるマティアス・レヒナー（Mathias Lechner）は述べています。「当社のエンタープライズ顧客は、大規模な高スループットのクラウドインスタンスから、低消費電力の組み込みデバイス上で完全にローカルに実行されるケースまで、さまざまなシナリオで Liquid Nanos の導入に成功しています。」
Liquid は初回リリースで6つのタスク特化型 Nanos を発表し、今後さらに多くのモデルを追加する予定です：
- LFM2-350M-ENJP-MT：英語と日本語の双方向翻訳を行う 350M パラメータモデル。サイズが10倍以上の汎用オープンソースモデルを上回る品質を達成し、サイズが500倍以上と推定される GPT-4o と競合する翻訳精度を実現しています。
- LFM2-350M-Extract：3億5,000万パラメータの多言語データ抽出モデル。請求書メールから JSON 形式で情報を抽出するなど、非構造化データから構造化データを抽出する用途に設計されています。このタスクにおいて、サイズが11倍以上の Gemma 3 4B を上回る性能を発揮します。
- LFM2-1.2B-Extract：12億パラメータの多言語データ抽出モデル。さまざまな言語で複雑なオブジェクトを出力でき、サイズが22.5倍の Gemma 3 27B を上回り、160倍と推定される GPT-4o と同等の結果を示します。このモデルにより、文書から抽出される構造化データの有効性、精度、忠実性が大幅に向上します。
- LFM2-350M-Math：数学的問題を解くことができる 350M パラメータの推論モデル。
- LFM2-1.2B-RAG：検索拡張生成（RAG）のユースケースにおいて、長いコンテキストに基づいて質問に回答するよう設計された 1.2B パラメータモデル。
- LFM2-1.2B-Tool：エージェントワークフローなど、関数呼び出しのユースケース向けに設計された 1.2B パラメータモデル。
Liquid の中核技術として、独自のソフトウェア群を活用し、自動評価、知識蒸留、強化学習、モデルマージを組み合わせて、モデル性能を継続的に向上させています。
「Nanos は、導入モデルの常識を覆します」と、Liquid AI の CEO であるラミン・ハサニ（Ramin Hasani）は述べています。「すべてのトークンをデータセンターに送信するのではなく、インテリジェンスそのものをデバイスに届けるのです。これにより、スピード、プライバシー、レジリエンス、そしてすべての人に拡張可能なコスト構造が実現します。」
Nanos は、AI システムの経済的および環境的インパクトにおいて飛躍的な変化をもたらす可能性があります。今後の社会では、人々は1つの汎用アシスタントに依存するのではなく、複数の小型でタスク特化型のエージェントを利用するようになります。これらのエージェントは、デバイス（スマートフォン、ラップトップ、車、スマートウォッチ、ホームハブ）、アプリ（メール、カレンダー、ドキュメント、ブラウザ、ショッピング、旅行、金融）、さらに各種サービス（銀行、通信会社、小売業者、医療機関などは、パーソナライズ、サポート、リスク管理、コンプライアンスなどの目的でユーザーごとにエージェントを稼働させていることが多い）に常駐します。また、ワークフロー中に生成される一時的なマイクロエージェント（RAG フェッチャー、エクストラクター、トランスレーター、ツールコーラー）や、バックグラウンドで動作するセキュリティ／自動化エージェントも加わることで、すぐに1人あたりおよそ100体のエージェントに達します。
人口1,000万人であれば、コンシューマー、エンタープライズ、公共部門のワークロード全体で約10億体のエージェントとなります。クラウド上でホストされる10億体の AI エージェントで1,000万人にサービスを提供する場合、推定年間コストは少なくとも約435億ドル、エネルギー消費量は約16 TWh に上ります。これは米国の145万世帯が1年間に使用するエネルギー量とほぼ同じです。Liquid のオンデバイス Nanos を使えば、同じ機能を年間で最大50分の1のコスト、100分の1のエネルギーフットプリントで提供できます（推論の99%がユーザーのデバイス上でローカルに実行されると仮定した場合）。
「Liquid の新しい事前トレーニングおよび事後トレーニング技術によって、高速かつ小型の LLM が、桁違いに大規模な GPT-4o などのフロンティアモデルと同等の性能を専門タスクで発揮していることに非常に感銘を受けています」と、Shopify の CTO であるミハイル・パラヒン（Mikhail Parakhin）は述べています。「Liquid は、基盤モデルにおける性能と速度の両面で新たな基準を打ち立て、最先端をさらに押し広げています。そのため、当社は Shopify のプラットフォームやサービス全体で彼らのモデルを活用できることに大きな期待を寄せています。」
Liquid のタスク特化型 Nanos は、ほとんどの AI 導入の現実に合わせて設計されています。その利点には次のものが含まれます：
- 目的に合わせた効率性：ほとんどの AI ユースケースはタスク特化型であり、小型で微調整されたモデルが自然に適しています。
- 構成可能なシステム：複数の Nanos を組み合わせることで、より複雑なユースケースをカバーでき、それでも 100B パラメータを超える単一の汎用モデルよりも効率的です。
- オンデバイス展開：モデルをローカルで実行することで、クラウドへの依存を排除し、コストとレイテンシを削減しながら、データのプライバシーとセキュリティを確保します。
「デロイトは、より低コストで大規模モデルに匹敵するパフォーマンスを実現する可能性を持つ Liquid AI およびその新しい Nanos モデルとの協業の機会に期待しています」と、デロイトのチーフ・ストラテジー＆テクノロジー・オフィサーであるランジット・バワ（Ranjit Bawa）氏は述べています。
オンデバイス推論にとどまらず、Nanos は GPU（オンプレミスまたはクラウド上）全体にスケールし、ビッグデータワークフローを支えることも可能です。そのコンパクトなサイズにより、卓越した GPU スループットを実現し、大規模なドキュメントのインジェストや構造化データの抽出、ETL スタイルのパイプライン、ログ解析などを可能にします。金融や e コマースなどの業界においては、スループットやスケールが重要となる場面で GPU を活用する柔軟性を持ちながら、機密性の高いワークロードを内部で安全に実行できるという安心感を提供します。また、Liquid の新しいモデル開発パイプラインは、Nanos をそのサイズの1000倍まで体系的にスケールさせることもでき、新しいハードウェアアーキテクチャに合わせて、魅力的で予測可能な経済性を備えた、はるかに強力なシステムを実現します。
「Liquid の Nanos は、コンパクトでエネルギー効率の高い形でフロンティアレベルのパフォーマンスを実現し、AI PC における強力な転換点を示しています。AMD では、ワットあたりのパフォーマンスリーダーシップに対するこの焦点を共有しており、オンデバイスインテリジェンスこそが AI を広範かつ持続的にスケーリングする鍵であると考えています」と、AMD の最高技術責任者兼エグゼクティブバイスプレジデントであるマーク・ペーパーマスター（Mark Papermaster）は述べています。
Liquid Nanos は現在、Liquid Edge AI プラットフォーム「LEAP」上で利用可能で、iOS および Android のモバイル端末やラップトップ向けにダウンロードおよび統合が可能です。また、「Liquid Apollo」上でのテストも行えます。これらのモデルは Hugging Face 上でも公開されています。開発者はこれらのモデルをすぐに利用でき、アカデミア、開発者、中小企業向けのオープンライセンスのもとで幅広く利用可能です。Liquid はすでに複数の Fortune 500 企業と協力し、コンシューマーエレクトロニクス、自動車、e コマース、金融などの分野でタスク特化型 Nanos のカスタマイズ版を導入しています。
Liquid AI について
Liquid AI は、MIT 発のスピンアウト企業で、現実世界の環境向けに設計された高効率な AI システムの構築に注力しています。Liquid 独自の「Liquid Foundation Models（LFM）」と開発プラットフォーム「LEAP」により、レイテンシ、プライバシー、パフォーマンスが最も重視されるデバイス上に、高度な AI をシームレスに直接デプロイすることができます。詳細は liquid.ai をご覧ください。