LFM3：文本、视觉、音频、决策挤进同一个 2B 底座
2026 年 10 月 27 日 Liquid AI 发布 LFM3：文本、视觉、音频、omni 与决策模型共享一个新骨架，首批都在 2B 参数级别，基座与后训练权重开放，Hugging Face 上直接能下
工具界面
交互式工具即将上线
功能特点
- ✓ 三混合层结构：24 层里 13 层门控短卷积、5 层滑动窗口注意力（窗口 256 token）、6 层全局注意力，卷积核从 3 提到 7
- ✓ 22T token 预训练，最后 3.5T 是精选数据的中训练阶段，专门加大 agentic 轨迹与多样化工具调用的比重
- ✓ 长上下文更划算：官方称 LFM3-1.7B 在边缘设备的短提示上追平 LFM2-1.2B，上下文到 8K token 时约快 25%
- ✓ 设备覆盖广：官方验证跑了三星 Galaxy S26 Ultra、一加 15、树莓派 5、M4 Max、Ryzen AI、Arm/x86 云 CPU 与高通 Hexagon NPU，共 14 种设备与后端组合
- ✓ 128K 词表，官方称对非拉丁文字的分词效率更高
使用步骤
- 从 Hugging Face 的 LiquidAI/lfm3 集合拿权重，或直接在官方 Playground / API 里先试手感
- 按 docs.liquid.ai 的说明本地跑推理，先量目标设备上的首 token 延迟与吞吐
- 拿自己的窄任务做微调——官方定位就是可本地微调、可跑在任何设备上的专家模型
- 用官方 Pipette 基准对齐一遍，再决定要不要换掉线上模型
常见问题
什么时候发布，权重开放吗？
2026 年 10 月 27 日发布。官方博客：https://www.liquid.ai/blog/lfm3 。基座与后训练模型都是开放权重，已上 Hugging Face（LiquidAI/lfm3 集合）、官方 Playground 与 Liquid AI API。
模型有多大？
官方原文说首批覆盖 2B 参数区间，文本模型是 LFM3-1.7B；同一骨干上还挂着视觉、音频、omni 与决策模型。每个变体的参数量、量化方式看 Hugging Face model card。
和 LFM2 主要差在哪？
两处架构级改动：一是新三混合架构（门控短卷积 + 滑动窗口注意力 + 全局注意力），二是硬件在环架构搜索的规模从 LFM2 的 1 台手机加 1 台笔记本扩到 14 种设备与后端组合。官方称同参数量下更强，8K 上下文下更快。
能本地微调吗？
官方把这点写成核心卖点：能本地微调、能跑在任何设备上、能力足够成为某个窄任务的可靠专家。跑法与微调步骤在 docs.liquid.ai。
商用许可怎么看？
官方博客只声明权重开放，具体许可条款要读 Hugging Face 上的 model card，三样一起看：模型卡、许可文件、你的部署形态（本地还是托管）。