2026年10月27日，Liquid AI发布新一代Liquid Foundation Models（LFM3）家族，首批模型集中在约20亿参数规模，覆盖文本、视觉、音频、全模态和决策等方向。公司表示，这些模型采用共享骨干和新的混合架构，目标是在较小规模下提升专用任务能力，并支持在设备本地运行、微调和部署。Liquid AI原始公告
LFM3的核心变化不是单纯扩大参数量，而是把短卷积、滑动窗口注意力和全局注意力组合到同一架构中。以文本模型LFM3-1.7B为例，公司称其使用22万亿token进行预训练，文本模型上下文窗口达到256K，4比特量化后约需1GB内存；视觉、音频和全模态模型则从同一基础模型分支出来，以便针对具体场景进行适配。
在端侧部署方面，Liquid AI称LFM3-1.7B可在单GPU上提供较高吞吐，并针对手机、树莓派、笔记本电脑、云端CPU、GPU及专用NPU等多种硬件组合进行了硬件在环搜索。公司还表示，该模型在部分工具调用、浏览器操作和指令遵循测试中可与更大模型竞争，但在知识问答和智能体编程等任务上，大模型仍然占优。这些性能数字来自发布方自测，测试设置、提示词和复现条件仍需结合模型卡与独立评测进一步核对，不能直接视为普遍结论。
LFM3-VL-2B增加了视频理解、视觉推理和空间关系判断能力；LFM3-Audio-2B则支持语音转写、合成、翻译、音频理解和工具调用，并据公司介绍覆盖18种语言。模型权重已通过Hugging Face等渠道开放，开发者可以尝试本地运行或针对自身数据进行微调。
这次发布反映出端侧AI竞争正在从“能否运行”转向“能否围绕具体任务稳定工作”。小模型如果能在隐私、延迟、成本和离线可用性之间取得平衡，可能适合车载助手、设备控制、文档处理和实时感知等场景。不过，专用模型的实际价值仍取决于数据质量、量化后的准确率、长时间运行稳定性，以及不同芯片上的真实功耗和兼容性。事件发生日期与原始公告发布日期均为2026年10月27日。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
