Liquid AI 正式推出名為 Liquid RIPL（Real-time Inference Pipeline，實時推理管線）的推理引擎，定位是讓 Liquid Foundation Models（LFM）直接運行在實時請求路徑之中。該公司稱，RIPL 能在 50 毫秒以內返回完整的端到端生成結果，並且在峯值負載下流量持續湧入時仍能保持這一延遲水平。對開發者而言，其核心訴求很直接：用生成式模型替換梯度提升樹等傳統模型，同時不突破既有的延遲預算。
當前多數推理服務棧針對大批量和長時間運行的智能體任務進行優化，每個請求耗時數秒在這些場景中可以接受。但搜索排序、欺詐檢測和支付授權等路徑需要在毫秒級給出結果。Liquid AI 認為，許多團隊正是由於 LLM 推理太慢而被迫在這類路徑上沿用傳統模型，RIPL 的目標就是消除這一取捨。
在技術層面，Liquid AI 強調 RIPL 優化的是從請求到達至響應完成的全鏈路，而不僅是模型本身。在多項工作負載中，公司使用同一個 LFM2.5-350M 模型分別部署於 vLLM 與 RIPL，結果 RIPL 的 p95 延遲曲線均明顯低於 vLLM，從而説明部分性能收益來自引擎而非模型架構。LFM2.5 模型本身採用混合結構：LFM2.5-1.2B-Instruct 共 16 層，包含 10 個雙門控捲積塊和 6 個 GQA 塊；LFM2.5-2.6B 共 30 層，包含 22 個卷積塊和 8 個 GQA 塊。RIPL 可服務從 2.3 億到 26 億參數的 LFM2.5 系列模型，運行於 NVIDIA H100、H200、B200 與 RTX PRO 6000 GPU 的企業部署環境，基準測試則使用單張 B200。
基準測試採用開放環路泊松到達模型測量端到端 p95 延遲。1B 級別、32 輸入/32 輸出、每秒 1000 請求的場景下，LFM2.5-1.2B 在 RIPL 上為 34.6 毫秒，而 Qwen3.5-0.8B 在 vLLM 上為 498 毫秒，相差 14.4 倍；256 輸入/128 輸出、每秒 400 請求的場景下，前者為 155.8 毫秒，後者為 4431 毫秒，差距擴大到 28.4 倍。2B 級別中，32 輸入/32 輸出場景下 LFM2.5-2.6B 為 76.4 毫秒，Qwen3.5-2B 為 586.8 毫秒，相差 7.7 倍；256 輸入/128 輸出場景下為 449.1 毫秒對 2499 毫秒，差距僅 5.6 倍，這也説明輸入輸出更長時亞 50 毫秒的目標無法達成。
Liquid AI 還按固定延遲預算拆解了 6 類實時工作負載：廣告技術查詢改寫為 32 輸入/32 輸出、50 毫秒預算；搜索意圖分類為 128 輸入/1 輸出、20 毫秒預算；搜索重排序為 1000 輸入/1 輸出、30 毫秒預算；支付風險評分為 512 輸入/16 輸出、50 毫秒預算；信貸決策為 8000 輸入/64 輸出、150 毫秒預算；圖像替代文本生成為 512×512 圖像加 64 token 輸入、16 輸出、100 毫秒預算，使用 LFM2.5-VL-450M。
在與競品的橫向對比中，LFM2.5-1.2B 參數量為 1.17B、上下文長度 32768、採用 LFM Open License v1.0、僅支持文本、默認 Instruct 模式；Qwen3.5-0.8B 參數量 0.8B、上下文 262144、Apache 2.0 許可、支持文本圖像視頻、默認非思考模式。LFM2.5-2.6B 參數量 2.69B、上下文 131072，Qwen3.5-2B 為 2B、262144。值得注意的是，LFM 系列上下文窗口明顯更短，且模態支持有限。
在生產驗證方面，Liquid AI 表示 Shopify 正在多個延遲敏感的電商工作負載中部署 LFM。在搜索增強場景中，LFM 在生產流量上實現低於 20 毫秒的推理延遲，使用的參數量比替代方案少約 50%，推理速度快 2 至 10 倍。
需要指出的是，RIPL 目前僅面向企業客户、為閉源產品，上述所有性能數字均由 Liquid AI 自報，尚未經過獨立第三方驗證。對於希望以生成式模型替代傳統模型的團隊而言，RIPL 提供了一條值得關注的路徑，但在評估時應結合自身請求長度分佈與延遲預算謹慎判斷。
本文基於 Liquid AI 的官方發佈信息整理，相關成果歸項目研究者所有。