LiquidAI 发布 LFM3：六款 2B 级多模态模型统一共享骨干并支持端侧部署

LiquidAI 正式推出 LFM3 系列，包含 LFM3-1.7B（文本）、LFM3-VL-2B（视觉）、LFM3-Audio-2B（音频）、LFM3-Omni-2B（全模态）以及 d1-2B 和 d1-omni-2B（决策），所有模型均基于同一 1.7B 参数的基础骨干构建，旨在实现从通用大模型向端侧专用智能体的迁移。

架构层面，LFM3-1.7B-Base 采用三混合层结构（Tri-hybrid architecture），由 13 个门控短卷积、5 个滑动窗口注意力（SWA）层和 6 个全局注意力层组成，预训练数据达 22T tokens，并在最后 3.5T tokens 阶段引入代理轨迹（agentic traces）以扩展上下文至 256K。相比前代 LFM2，该架构在保持性能的同时减少了 35% 的参数量；在 8K 上下文中推理速度提升约 25%。此外，Vision 和 Audio 编码器均为自研，分别比 SigLIP2 节省 3 倍计算量，且 Audio 编码器支持流式解码，首字延迟低至 50ms。

事实层面，各模型已在 Hugging Face 开源权重并提供 transformers 代码库支持，其中 Omni 模型支持视频输入与语音输出，d1 系列则专注于结构化决策而非生成式文本。推断层面，这种“一基座多分支”的设计允许开发者针对特定任务（如机器人导航或医疗问答）在单 GPU 上进行微调，从而降低端侧部署门槛。猜测层面，虽然官方未明确提及具体的商业变现模式，但强调“专用化”暗示其可能面向企业级垂直场景而非通用消费级应用。