近日，知名AI創新企業 Liquid AI 正式發佈了新一代基礎模型家族 —— LFM3。該系列首個版本包含六款參數規模在2B 左右的模型，全面覆蓋文本、視覺、音頻、全模態（omni）及決策等多個維度，全部基於 LFM3-1.7B-Base 基礎架構，並在預訓練階段吞吐了高達22T 的 Token 數據。

突破性三混合架構:參數更少、效率更高

LFM3採用了全新的三混合層結構（Tri-hybrid layer mix），將門控短卷積、滑動窗口注意力機制(SWA)以及全局注意力進行有機融合。在總計24層結構中，包含13層卷積、5層滑動窗口注意力和6層全局注意力。

ScreenShot_2026-10-28_160410_052.png

相比上一代產品，LFM3在架構層面進行了全面重構，並大幅擴展了硬件適配測試範圍，覆蓋了手機、樹莓派、筆記本以及各種雲端 CPU、GPU 和高通 NPU 等14種設備與後端組合。測試表明，憑藉全新的設計，LFM3-1.7B 不僅在短提示詞上與前代保持一致，在處理8K 上下文時速度更是提升了約25%。同時，其文本模型在4比特量化下體積僅佔約1GB，極大地降低了端側部署的門檻。

覆蓋全場景的多模態與決策矩陣

首發推出的六款2B 級模型各具特色，完美適應不同的應用場景:

文本模型（LFM3-1.7B）: 擁有高達25K 的上下文窗口，針對智能體(Agent)工作流進行了深度後訓練。在多項基準測試中，其指令遵循和函數調用能力表現亮眼，單卡即可流暢運行並支持海量後臺智能體協同。

視覺模型（LFM3-VL-2B）: 首次引入視頻輸入能力，支持分步深度思考、空間視覺推理及圖形界面理解。配合全新的自研視覺編碼器，其計算效率較上一代大幅提升。

音頻模型（LFM3-Audio-2B）: 支持18種語言的語音識別、多語言合成、音頻理解與實時語音聊天，採用完全因果架構，首字延遲低至50毫秒。

全模態模型（LFM3-Omni-2B）: 首次將視覺、音頻與語言融合在單一模型中，支持語音問答、視聽視頻理解以及跨模態工具調用，帶來更加自然的人機交互體驗。

決策模型（d1-2B 與 d1-Omni-2B）: 專門用於實現毫秒級快速決策，能夠針對複雜文本、圖片或音頻輸入直接輸出精準的結構化決策結果，省去繁瑣的雲端交互。

賦能垂直領域與端側機器人

除了強大的通用能力外，LFM3家族從設計之初便強調“專用智能”與易微調特性。開發者僅需使用單張 GPU，便可對模型進行低成本的微調，將其賦能於風力發電機葉片缺陷檢測等垂直工業領域。此外，通過 LoRA 適配和端到端訓練，LFM3-VL-2B 還能無縫切入機器人操作、視覺導航以及多模態具身智能控制，在 Jetson 等邊緣硬件上實現高效的實時推理。

目前，LFM3系列模型的開源權重已正式上線，並獲得了包括 AMD、高通、英偉達、蘋果 MLX 以及各大主流開發框架和平臺的首日支持。