Liquid AI 是 Liquid Foundation Models 系列背后的 MIT 衍生公司，该公司周二宣布推出 LFM3，这是新一代开放权重模型，旨在为手机、笔记本电脑、机器人和其他边缘硬件带来该公司所谓的“专业智能”。该版本涵盖了 2B 参数范围内的六种模型——文本、视觉、音频、全向和两种决策模型——所有模型均从共享的 LFM3-1.7B-Base 主干分支出来，现已在 Hugging Face、Liquid AI Playground 和该公司的 API 上提供。
A Tri-Hybrid Architecture Redesigned for Agents 更多相关背景，请参阅我们的AI新闻。
LFM2 established that a hybrid of short convolutions and attention could run fast on-device without giving up much quality.对于 LFM3，Liquid AI 重新运行了自动化硬件在环架构搜索，同时考虑到代理工作负载，将搜索空间从一部手机和一台笔记本电脑中的 CPU 扩展到 14 种设备和后端组合。测量的硬件现在包括三星 Galaxy S26 Ultra、OnePlus 15、Raspberry Pi 5、Apple 的 M4 Max、AMD Ryzen AI 笔记本电脑、Arm 和 x86 云 CPU、GPU 以及高通的 Hexagon NPU。
结果是一个 24 层的“三混合”堆栈：13 个门控短卷积层、5 个具有 256 个令牌窗口的滑动窗口注意层以及 6 个全局注意层。卷积核大小从 3 增加到 7，新机制包括 head-wise 门控注意力（可以关闭各个头的 s 形门）、全局层上的部分 RoPE 以及三明治标准化。 The company says the changes add expressivity where it counts while keeping long-context inference fast.
使用 22 万亿代币进行训练
LFM3-1.7B-Base 在 22 万亿个代币上进行了预训练，其数据组合比 LFM2 添加了更多的科学论文、存储库级代码和数学。最后的 3.5 万亿个代币形成了一个中期训练阶段，该阶段的数据经过精心策划，质量更高，大量代理跟踪和多样化的工具调用，并且该阶段还将上下文窗口扩展到 256K 个代币。
Post-training ran through four stages: supervised fine-tuning on 1.75 trillion tokens spanning chat, reasoning, and tool calling; mixed reinforcement learning across math, code, SQL, and structured outputs;多领域同策略蒸馏，其中六位专业 RL 教师（代码、数学、工具使用、长上下文、代理工作和企业工作流程）被蒸馏回一个模型； and agentic RL, where tasks from web browsing to office work run inside real agent harnesses such as Hermes Agent, Pi, and OpenClaw.
Small Model, Frontier-Adjacent Agentic Results
Liquid AI claims LFM3-1.7B outperforms its previous LFM2.5-2.6B while using 35 percent fewer parameters.该公司表示，在代理评估方面，该模型在 BFCL 和 ToolSandbox 中的指令跟踪和函数调用方面处于领先地位，并且在 WebArena-Verified 和 AutomationBench 中的长视野浏览器和业务应用程序任务上击败了大得多的 Qwen3.5-9B。较大的模型仍然在代理编码和知识方面获胜，尽管该公司报告说工具搜索几乎使小型模型在人类最后考试中的分数提高了一倍。
速度是标题。 Liquid AI 在 4 位量化和 32K 上下文中使用 llama.cpp 进行测量，表示 LFM3-1.7B 是所有三款测试的边缘设备上最快的模型，解码速度比下一个竞争对手快 1.8 至 2.8 倍，同时使用最少的内存。完整的 128K 令牌上下文需要大约 1.6 GB 的 KV 缓存，而 Qwen3.5-4B 需要 4.3 GB，MiniCPM5-2B 需要 5.6 GB，并且该模型以 4 位精度容纳大约 1 GB 内存。 In the datacenter, a single NVIDIA B300 running SGLang in BF16 can reportedly produce 3.6 billion tokens per day at 1,024 concurrent requests. To show what that throughput enables, Liquid AI ran more than 300,000 parallel LFM3-1.7B agents over the Enron email archive as a demo.
视觉、音频和第一个 Omni 模型
LFM3-VL-2B 带来了一个具有 1.64 亿个参数的新型内部视觉编码器，根据 Liquid AI 的说法，该编码器使用的计算量比之前 LFM 视觉模型中的 SigLIP2 编码器少 3 倍，同时与 Qwen3.5-2B 的编码器精度相匹配，而 FLOP 减少了 2.2 倍。该公司表示，在 62 项视觉基准测试中，2B 型号的得分至少领先所有类似尺寸型号 7.4 分，与 Gemma 4 12B（大六倍以上的型号）相当，超越 Gemini 3.5 Flash Lite，与 GPT-5.6 Luna 相差不到 2 分。 It is also the first LFM vision model to accept video input.
LFM3-Audio-2B 可处理 18 种语言的语音识别、合成和翻译，由新的内部编码器和名为 LiquidCodec 的标记生成器提供支持，可在单个 CPU 线程上以大约 87 倍的实时速度将生成的标记转换为语音。通过流式麦克风输入，第一个令牌的时间可低至 50 毫秒。
LFM3-Omni-2B 拥有 22 亿个参数，是该公司的首款全向模型，结合了视觉、音频和语言，因此用户可以通过同步声音提出有关图像或视频的口头问题。 d1-2B 和 d1-Omni-2B 这两个决策模型结束了该系列：它们不是生成自由格式的答案，而是在一次前向传递中回答许多键入或口头的问题，每个问题都有一个校准概率，并支持结构化答案类型，例如点（绘制边界框）、阅读、估计和选择。
专为专业而生
Liquid AI 将家族定位为微调的起点，而不是通用的前沿模型。在一次演示中，该公司对大约 3,000 张风力涡轮机叶片的公开照片进行了微调 LFM3-VL-2B，以对缺陷进行分类。 LFM3-VL-2B 和 GPT-6 Luna 开箱即能在不到 10% 的测试图像中正确识别缺陷类型；在单个 A100 上进行几个小时的训练后，经过微调的 LFM3 达到了 67% 的分类准确度，并将检测 F1 从 0.003 提高到 0.11，而 GPT-6 Luna 的检测 F1 为 0.01。该公司还发表了早期的机器人实验，涵盖工具编排、视觉语言导航和低级机器人手臂操作。
Day-zero 发布合作伙伴包括 Ambarella、AMD、Arm、通过 OpenVINO 的英特尔、NVIDIA、OpenRouter、通过 AI Hub 和 GenieX 的高通以及 Vercel，梅赛德斯-奔驰和 Shopify 参与了预发布测试。社区运行时（包括 llama.cpp、MLX、LM Studio、Ollama 和 vLLM）在发布时支持这些模型。
这一发布凸显了更广泛的行业分裂：随着前沿实验室追逐越来越大的通用模型，Liquid AI 押注于小型、快速、专业的模型——足够便宜，可以在一个 GPU 上进行微调，并且足够小，可以在本地运行——将成为大部分实用价值的所在。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
