LFM2.5 Retrievers는 Liquid AI가 LFM2.5 계열을 검색용으로 변형한 350M 파라미터 모델군이다. 생성용 causal mask 대신 bidirectional attention을 적용해 문서와 쿼리 표현을 검색에 맞게 학습한다.

모델 구성

Liquid AI는 embedding 모델과 ColBERT 모델을 함께 제공한다. embedding 모델은 벡터 DB에 넣기 쉬운 단일 벡터 검색에 적합하고, ColBERT 방식은 token-level interaction으로 더 정밀한 reranking·late interaction 검색에 맞다.

지원 언어는 Arabic, German, English, Spanish, French, Italian, Japanese, Korean, Norwegian, Portuguese, Swedish 등 11개다. 한국어가 포함된 점은 다국어 RAG와 글로벌 문서 검색에서 의미가 있다.

어디에 적합한가

• 영어와 비영어 문서가 섞인 RAG
• 온디바이스·저지연 검색이 필요한 제품
• dense embedding만으로 부족한 다국어 retrieval 품질을 ColBERT로 보강하려는 팀
• lfm2-5-8b-a1b 같은 LFM 계열 생성 모델과 같은 벤더 스택을 실험하려는 팀

관련 문서

• lfm2-5-8b-a1b — 온디바이스 실행에 최적화된 Liquid AI의 경량 MoE 모델
• vector-db-tips-comparison — RAG·AI 앱용 벡터 데이터베이스 선택 가이드
• zvec — 앱 안에 직접 넣는 초경량 인프로세스 벡터 데이터베이스

참고 자료

• LFM2.5 Retrievers: Bi-directional LFMs for Fast Multilingual Search — Liquid AI Blog (2026-06)