Liquid AI 发布 LFM3 多模态模型家族，2B 参数级开源权重
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载家族构成与开放方式
LFM3 是 Liquid AI 新一代基础模型系列，设计目标是专用智能。与单一模态路线不同，该家族从底层就按多模态组织，文本、视觉、音频、全模态和决策模型共享同一套新骨干。首批放出的模型集中在 2B 参数区间，官方强调这一规模足以在本地完成微调，也能跑在各类设备上，从而针对某一专门任务成为可靠的专家模型。发布即可用的渠道包括 Hugging Face 上的开放权重、Liquid AI 的 Playground 以及其 API；文档中给出了本地运行与微调的操作说明。基础模型和后训练模型都对外开放权重，而非仅提供接口调用。
架构改动与端侧适配
LFM2 已验证短卷积与注意力混合可在端侧快速运行而不明显损失质量，其设计来自硬件在环的自动化架构搜索。LFM3 沿用这一方法，但把搜索目标转向智能体场景，这类场景要求每参数能力更强、长上下文推理更快。搜索覆盖的硬件范围从 LFM2 时期的一部手机加一台笔记本的 CPU，扩展到 14 种设备与后端组合，涵盖三星 Galaxy S26 Ultra、一加 15、树莓派 5、Apple M4 Max 与 AMD Ryzen AI 笔记本、Arm 与 x86 云 CPU，以及 GPU 和高通 Hexagon NPU。门控短卷积仍占层数一半以上；为在不拖慢长上下文的前提下增加能力，部分层被替换为滑动窗口注意力，官方称这是质量与速度权衡最好的选择，其余改动只在确实提升质量且不明显增加耗时的情况下保留。
层结构与长上下文收益
LFM3 的层组合由三种算子构成：门控短卷积、滑动窗口注意力与全局注意力，共 24 层。这种三混合结构的目的，是在小模型上兼顾短提示的响应速度与长上下文的处理能力。官方给出的对比是：按参数计，LFM3-1.7B 在各类边缘设备的短提示上与 LFM2-1.2B 持平；当上下文达到 8K token 时，前者约快 25%。这一收益直接对应智能体类负载中常见的长输入场景。对希望在本地部署并微调专用模型的开发者而言，开放权重加上跨手机、单板机、笔记本与云端 CPU/GPU/NPU 的适配范围，意味着选型时可以先在目标硬件上验证速度，再决定是否投入微调。
为什么值得看
小参数、可端侧运行且开放权重的多模态家族，为本地微调成专用专家模型提供了新基座。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。