Liquid AI发布LFM3多模态基础模型

Liquid AI于2026年发布新一代Liquid基础模型LFM3，并开放权重于Hugging Face。该系列以1.7B参数基础模型LFM3-1.7B-Base为共享骨干，衍生出文本、视觉、音频、全模态及决策等六个2B级模型，支持图像、视频、语音和文本输入，并输出文本、语音或校准决策。LFM3采用门控短卷积、滑动窗口注意力与全局注意力混合架构，并加入头部门控、部分旋转位置编码和双层归一化设计，在减少参数同时提升能力。文本模型LFM3-1.7B在参数减少35%的情况下性能超越上一代，长上下文推理提速约25%，并具备256K上下文窗口，可在端侧支持智能体。视觉模型LFM3-VL-2B首次支持视频输入，在62项视觉基准平均得分升至71.4，接近六倍规模模型；音频模型LFM3-Audio-2B支持18种语言的语音识别、合成、翻译与工具调用；全模态模型LFM3-Omni-2B可同步处理视频、音频和图像，并在部分音视频理解基准中超过更大模型。该系列均面向边缘部署和单GPU微调设计，文本模型在四比特精度下约占用1GB内存，可运行于手机、树莓派、笔记本、边缘设备和云端。Liquid AI展示LFM3-VL-2B可适配机器人感知、导航与控制任务，在LIBERO套件平均成功率达96.2%，并在Jetson AGX Orin上实现低于50毫秒动作生成。整体看，LFM3以小型化、多模态和专用化方向，降低端侧智能应用门槛。