리퀴드 AI, CPU 환경 최적화 LFM2.5 인코더 모델 2종 출시

주장리퀴드 AI는 긴 문맥을 다루는 작업에서 CPU 효율성을 극대화한 LFM2.5-Encoder 2종을 새롭게 출시했습니다. 이 모델들은 기존 대형 모델과 대등한 성능을 유지하면서도 하드웨어 자원 소모를 최소화합니다.

팩트이번에 공개된 모델은 LFM2.5-Encoder-230M과 LFM2.5-Encoder-350M입니다. 두 모델은 8,192 토큰의 긴 문맥을 지원하며, 입력 길이가 길어져도 추론 지연 시간이 완만하게 증가합니다.

팩트CPU 환경 성능 테스트에서 LFM2.5-Encoder-230M은 ModernBERT-base 대비 약 3.7배 빠른 속도를 보였습니다. 8,192 토큰 처리 시 ModernBERT가 90초 이상 소요되는 작업을 해당 모델은 약 28초 만에 완료합니다.

주장인코더 모델은 의도 분류, 정책 검사, 개인정보 탐지 등 기업의 상시 운영 작업에 필수적입니다. 리퀴드 AI는 범용성을 확보하고자 검색 전용 모델이 아닌 마스크 언어 모델링 기반의 범용 인코더를 구축했습니다.

팩트모델 학습은 LFM2 디코더 백본을 기반으로 수행되었습니다. 개발진은 양방향 어텐션 마스크와 비인과적 컨볼루션을 적용했습니다.

팩트학습 과정은 1,024 토큰의 일반 언어 역량 단계와 8,192 토큰의 긴 문맥 적응 단계로 나뉘어 진행되었습니다.

교차검증벤치마크 결과 LFM2.5-Encoder-350M은 14개 모델 중 4위를 기록했습니다. 상위 3개 모델은 모두 35억 개 이상의 파라미터를 가진 대형 모델들로, 리퀴드 AI의 모델이 크기 대비 높은 효율성을 보임을 입증했습니다.

팩트GPU 환경에서도 긴 문맥 처리 시 LFM2.5 인코더는 우위를 점합니다. 약 2,000 토큰 이상의 입력부터 ModernBERT보다 빠른 처리 속도를 보이며, 특히 CPU 환경에서 압도적인 성능 차이를 나타냅니다.

주장개발자는 LFM2.5 인코더를 통해 고가의 GPU 없이도 노트북 CPU 환경에서 긴 계약서나 상담 기록을 30초 이내에 분석할 수 있습니다. 이는 생성형 AI 모델보다 저렴하고 빠르게 운영 가능한 실무형 솔루션입니다.

팩트리퀴드 AI는 허깅페이스 공간을 통해 제로샷 프롬프트 라우팅, 정책 린팅, 개인정보 탐지 등 5가지 실시간 데모를 제공합니다.

팩트사용자는 트랜스포머 라이브러리를 통해 모델을 쉽게 로드하고 특정 작업에 맞춰 미세 조정할 수 있습니다.

출처리퀴드 AI 공식 블로그(2026년 7월 28일 발행) 및 허깅페이스 블로그를 교차 검증했습니다.