Liquid AI 发布第三代 Liquid 基础模型 LFM3：六个 2B 级模型共用 LFM3-1.7B-Base 骨干，分别覆盖文本、视觉（首次支持视频输入）、语音、全模态和“决策”输出，权重已上 Hugging Face，主打在手机、笔记本等设备上本地运行、单卡微调。
置信度：高（80） · 事件时间 2026-10-27
理由
- 官方称新的三混合架构（门控短卷积 + 滑动窗口注意力 + 全局注意力）让 LFM3-1.7B 以少 35% 的参数超过 LFM2.5-2.6B，提升最大的是智能体任务：WebArena-Verified 得分 38.42（上一代 3.02）。文本模型 4-bit 量化后约 1GB，上下文 256K，预训练 22T token。
- LFM3-VL-2B 在 62 项视觉基准上的平均分从 57.6（LFM2.5-VL-3B）升到 71.4，官方称与 Gemma 4 12B 相当；自研视觉编码器的计算量是 SigLIP2 的三分之一。
- LFM3-Omni-2B 是 Liquid 第一个全模态模型，能看、能听、能用语音回答，可以代替语音识别 + 视觉语言模型 + LLM + 语音合成的串联；音频编码器是全因果的，官方称首个 token 最快 50 毫秒。
- d1-2B、d1-omni-2B 不生成文本，而是对一个输入一次前向回答多个问题、各给一个校准过的概率，用来做工单分类、读发票字段这类结构化判断。
用法
- 模型在 Hugging Face 的 LiquidAI 组织下（LFM3 合集，含供自行后训练的 LFM3-1.7B-Base），可用 transformers 加载（需 trust_remote_code）；模型卡另列了 llama.cpp 等推理引擎。
- 官方称每个模型都能在单张 GPU 上微调；LFM3-1.7B 针对 Hermes Agent、Pi、OpenClaw 等智能体框架做过后训练。
风险
- 许可证是 LFM Open License v1.0，不是 Apache 或 MIT：年营收 1,000 万美元及以上的公司做商业使用不在授权范围内。
- 跑分全部由 Liquid 自己公布，没有第三方复现；没看过模型的实际输出。