近日，知名AI创新企业 Liquid AI 正式发布了新一代基础模型家族 —— LFM3。该系列首个版本包含六款参数规模在2B 左右的模型，全面覆盖文本、视觉、音频、全模态（omni）及决策等多个维度，全部基于 LFM3-1.7B-Base 基础架构，并在预训练阶段吞吐了高达22T 的 Token 数据。
突破性三混合架构:参数更少、效率更高
LFM3采用了全新的三混合层结构（Tri-hybrid layer mix），将门控短卷积、滑动窗口注意力机制(SWA)以及全局注意力进行有机融合。在总计24层结构中，包含13层卷积、5层滑动窗口注意力和6层全局注意力。
相比上一代产品，LFM3在架构层面进行了全面重构，并大幅扩展了硬件适配测试范围，覆盖了手机、树莓派、笔记本以及各种云端 CPU、GPU 和高通 NPU 等14种设备与后端组合。测试表明，凭借全新的设计，LFM3-1.7B 不仅在短提示词上与前代保持一致，在处理8K 上下文时速度更是提升了约25%。同时，其文本模型在4比特量化下体积仅占约1GB，极大地降低了端侧部署的门槛。
覆盖全场景的多模态与决策矩阵
首发推出的六款2B 级模型各具特色，完美适应不同的应用场景:
文本模型（LFM3-1.7B）: 拥有高达25K 的上下文窗口，针对智能体(Agent)工作流进行了深度后训练。在多项基准测试中，其指令遵循和函数调用能力表现亮眼，单卡即可流畅运行并支持海量后台智能体协同。
视觉模型（LFM3-VL-2B）: 首次引入视频输入能力，支持分步深度思考、空间视觉推理及图形界面理解。配合全新的自研视觉编码器，其计算效率较上一代大幅提升。
音频模型（LFM3-Audio-2B）: 支持18种语言的语音识别、多语言合成、音频理解与实时语音聊天，采用完全因果架构，首字延迟低至50毫秒。
全模态模型（LFM3-Omni-2B）: 首次将视觉、音频与语言融合在单一模型中，支持语音问答、视听视频理解以及跨模态工具调用，带来更加自然的人机交互体验。
决策模型（d1-2B 与 d1-Omni-2B）: 专门用于实现毫秒级快速决策，能够针对复杂文本、图片或音频输入直接输出精准的结构化决策结果，省去繁琐的云端交互。
赋能垂直领域与端侧机器人
除了强大的通用能力外，LFM3家族从设计之初便强调“专用智能”与易微调特性。开发者仅需使用单张 GPU，便可对模型进行低成本的微调，将其赋能于风力发电机叶片缺陷检测等垂直工业领域。通过 LoRA 适配和端到端训练，LFM3-VL-2B 还能无缝切入机器人操作、视觉导航以及多模态具身智能控制，在 Jetson 等边缘硬件上实现高效的实时推理。
目前，LFM3系列模型的开源权重已正式上线，并获得了包括 AMD、高通、英伟达、苹果 MLX 以及各大主流开发框架和平台的首日支持。
