Liquid AI发布LFM2.5-VL-3B，31亿参数视觉语言模型，专为设备端设计，支持屏幕理解、函数调用、锚定和多图像输入。在28项基准测试中平均得分69.4，与4.7B模型相当。内存占用约3GB，解码速度228 tok/s。许可证对年收入低于1000万美元的公司免费，高收入需商业许可。

Shopify将主题架构从JSON模板回归Liquid代码，以提升可读性并适应AI开发。新架构用{% block %}简化结构，{% partial %}实现局部刷新，Standard Actions统一交互，并升级Liquid语法和引入Tailwind。此举旨在让代码更易读，降低AI理解成本，同时保留旧主题兼容性，被视为技术复古运动。

Liquid AI的STAR技术能够自动生成和优化AI模型架构，显著降低资源消耗并提升性能，标志着AI架构设计自动化的新时代。

Guilherme Carreiro讨论了Shopify的主题系统，强调其可定制性和用户友好性。商家可根据需求自定义在线商店，使用Liquid模板语言确保安全高效的渲染。JSON架构使非技术用户也能参与编辑，提升商店的灵活性和可用性。

Liquid AI推出LFM2.5，基于LFM2架构，专注于设备和边缘部署，支持多种语言和视觉模型。在多个基准测试中表现优异，尤其在文本和日语任务上超越同类模型，适用于多模态应用。

Liquid AI 发布了 LFM2-VL-3B，这是一个具有 30 亿参数的视觉语言模型，专用于图像文本到文本任务。该模型提高了准确率并保持了处理速度，支持高达 512×512 的图像输入，适合边缘设备使用，评估得分具有竞争力。

Liquid AI推出了Liquid Edge-AI平台(LEAP) v0，允许开发者在本地设备上无云部署AI。新应用Apollo提供私密、安全的AI交互，集成优化的Liquid Foundation模型(LFM2)。LEAP简化了边缘AI的部署，适合各类开发者。

Liquid AI 发布了第二代 Liquid Foundation 模型 LFM2，显著提升了设备端 AI 性能，尤其在实时应用中的解码和预填充速度。LFM2 采用混合架构，结合卷积和注意力机制，训练速度提高三倍，支持毫秒级延迟和数据隐私，适用于多种边缘设备。

在2025年开始Shopify开发时，选择Liquid或Hydrogen应根据需求。Liquid适合简单主题和快速设置，而Hydrogen适合高性能和自定义UI的复杂商店。开发者需根据项目需求做出选择。

Jekyll是一个基于Ruby的静态网站生成器，支持Markdown和Liquid模板，适合开发者和博主。它与GitHub Pages集成简单，安全性高，加载速度快，安装和部署过程也很简单，适合初学者使用。

AIxiv专栏报道Liquid框架，该框架通过VQGAN将图像编码为离散视觉token，实现多模态生成与理解的统一。Liquid无需修改现有大语言模型，降低训练成本并保留语言能力，推动多模态智能发展。实验结果表明，Liquid在视觉生成和理解任务中表现优异，验证了多模态任务的互惠关系。

Liquid是Shopify的模板语言，帮助用户控制在线商店内容。用户只需基本的HTML和CSS知识即可使用。通过Liquid对象、标签和过滤器，用户可以动态显示产品信息和格式化数据。编辑主题代码和参考Shopify文档，用户可以自定义商店外观，创建独特的动态页面。

Delta Lake 3.0是Linux Foundation开源项目的下一个重要版本，提供了Delta Universal Format (UniForm)、Delta Kernel和Liquid Clustering等强大功能。UniForm提高了Delta的兼容性和扩展性，Kernel简化了构建Delta连接器的过程，Liquid Clustering简化了查询性能和降低成本。Delta UniForm可以自动转换为Iceberg和Hudi，无需复制数据或创建更多数据存储。Delta Kernel提供了简化的API，统一了连接器生态系统。Delta Lake 3.0的预览版本已发布。