Liquid AI 揭示了在 38T 上训练的 8B-A1B MoE
一句话看懂：Liquid AI 发布了一款名为 8B-A1B 的 MoE 模型，在 38T tokens 上完成训练，并在后续强化学习与微调中展现出极佳的边缘部署能力。该模型能让用户在低算力硬件上运行一个性能不俗的私有化 AI 工具，无需联网。
事件核心：发生了什么
Liquid AI 正式公开了其 8B-A1B MoE（混合专家）模型。该模型总参数量为 8B，其中每个推理步骤激活的参数量仅为 1B。模型在 38T tokens 的大规模语料上完成了预训练，并延续了 Liquid AI 在高强度强化学习（RL）和精细微调（Fine-tuning）方面的积累。目前该模型已在 Liquid AI 的 playground 上提供 demo 体验，GitHub 上也开源了相关的 cookbook 示例，方便开发者进行二次微调与私有化部署。这一发布的核心看点在于，它不仅强调性能，更强调在极低硬件门槛上的可用性——部分用户反馈，即使在一个 4B 参数级别的模型上（如 Qwen3.5:4B），经过 Liquid 的 RL 与微调流程后，都表现出远超预期的能力；而 8B-A1B 则进一步将这个优势放大。
为什么重要
当前 AI 行业存在两个核心矛盾：一是模型性能与推理成本的拉锯，二是云端能力与本地隐私需求的对立。Liquid AI 的 8B-A1B 选择了一条直接回应这两个矛盾的路径：通过 MoE 结构在 8B 总参数中只激活 1B 参数，大幅降低推理时的算力消耗，使得高能模型可以在个人笔记本、移动设备甚至边缘硬件上运行。同时，它保留了完整的微调能力，企业和用户可以在本地对自己数据进行定制化训练，无需依赖云端 API，从而满足数据隐私与离线操作的需求。这代表了一种更实际、更去中心化的模型部署方案，可能对以云端 API 为中心的大模型商业生态形成补充甚至分流。
对用户/开发者/创作者的影响
对于开发者：可以用比较低的硬件成本（如消费级 GPU 或 M 系列芯片 Mac）部署一个能够进行复杂推理和对话的模型，并且通过开放 cookbook 可以快速接入自己的业务数据进行微调，构建专属 AI 助手。对于普通用户：意味着未来可能不需要依赖 ChatGPT 等云服务，就能在本地获得流畅、私密的 AI 对话体验，尤其适合数据敏感的场景（如医疗、金融、法律）。对于创作者：可以在无网络环境下使用本地 AI 辅助写作、逻辑推演，甚至作为“自动思维链”工具来辅助论证与决策。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 模型的开源与生态建设：目前 Liquid AI 已经分享 cookbook 和 playground demo，但完整模型权重是否开源、开源协议如何，尚待明确，这会直接影响开发者社区的参与度。2. 推理框架与硬件适配：8B-A1B 的 MoE 架构需要特定的推理优化能力（如稀疏调度），未来能否在 llama.cpp、vLLM 等流行推理栈中流畅运行，将决定其在边缘设备上的实际可用性。3. 竞品反应：Google、Mistral 等企业同样在推进小型强模型与 MoE 路线（如 Gemma 2B、Mixtral 系列），Liquid AI 是否能在微调工具链和产品化体验上持续领先，是接下来的关键看点。
来源：hackernews
