近日，知名ai创新企业 liquid ai 正式推出全新一代基础模型家族 —— lfm3。该系列首批发布六款参数量约为20亿（2b）的模型，全面覆盖文本、视觉、音频、全模态（omni）及决策五大方向，均基于统一的基础架构 lfm3-1.7b-base，并在预训练阶段处理了高达22万亿（22t）token 的海量数据。
革命性三混合架构：更小参数、更高性能
LFM3 搭载首创的三混合层结构（Tri-hybrid layer mix），将门控短卷积、滑动窗口注意力机制（SWA）与全局注意力机制进行深度协同融合。整套模型共24层，其中包含13层卷积层、5层滑动窗口注意力层和6层全局注意力层。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
相较前代产品，LFM3 在整体架构上完成彻底重构，并显著拓宽硬件兼容性验证范围，已通过手机、树莓派、笔记本电脑，以及各类云端 CPU、GPU 和高通 NPU 等共计14种设备与后端组合的实测验证。结果表明，得益于新架构加持，LFM3-1.7B 不仅在短提示场景下性能与上一代持平，在处理长达8K上下文时推理速度提升约25%。此外，其文本模型在4比特量化后体积压缩至约1GB，极大降低了终端侧部署的技术与资源门槛。
面向全场景的多模态与决策能力矩阵
本次首发的六款2B级模型各有所长，精准适配多样化应用需求：
文本模型（LFM3-1.7B）：支持最大25K上下文长度，专为智能体（Agent）工作流深度优化，经过针对性后训练。在多项权威基准测试中，指令理解、函数调用等关键能力表现突出，单张显卡即可稳定运行，并支撑大规模后台智能体并发协作。
视觉模型（LFM3-VL-2B）：首次集成视频输入能力，具备分步深度推理、空间视觉建模与图形界面解析功能；搭配自研高性能视觉编码器，计算效率较前代实现显著跃升。
音频模型（LFM3-Audio-2B）：支持18种语言的语音识别、多语种语音合成、音频内容理解及实时语音对话，采用纯因果解码架构，首字响应延迟低至50毫秒。
全模态模型（LFM3-Omni-2B）：业界首个将语言、视觉与音频能力统一于单一模型框架下的2B级全模态模型，可实现语音问答、视听内容联合理解及跨模态工具调用，打造更自然、更连贯的人机交互体验。
决策模型（d1-2B 与 d1-Omni-2B）：专为毫秒级实时决策任务设计，可直接对复杂文本、图像或音频输入生成高精度结构化决策输出，大幅减少传统云端交互环节。
深耕垂直领域与端侧机器人落地
除通用能力外，LFM3 家族从立项之初即聚焦“专用智能”定位与便捷微调能力。开发者仅需单张 GPU 即可完成低成本定制化训练，快速赋能风电叶片缺陷识别等工业垂直场景。同时，借助 LoRA 适配与端到端联合训练策略，LFM3-VL-2B 还能高效嵌入机器人操作控制、视觉导航及多模态具身智能系统，在 Jetson 等边缘计算平台上达成低延迟、高精度的实时推理。
目前，LFM3 系列模型的开源权重已正式对外发布，并获得 AMD、高通、英伟达、苹果 MLX 及主流开发框架与平台的首发官方支持。
