LFM3

LFM3 是 Liquid AI 在 2026-10-27 发布的新一代 Liquid Foundation Models（LFM），主打「专用智能（specialized intelligence）」与端侧运行。首批发布覆盖 约 2B 参数级别 的 6 个模型，全部从同一个 LFM3-1.7B-Base 骨干分支而来：文本、视觉、音频、全模态（omni），外加两个由视觉/全模态模型特化而来的决策模型。

官方公告：liquid.ai/blog/lfm3；Hugging Face 博客：Build specialized multimodal models with LFM3。基础模型与后训练模型均为开放权重，可在 Hugging Face、Liquid Playground 和 Liquid AI API 获取。

核心要点

1. 一套骨干，多种模态：6 个 2B 级模型都基于 LFM3-1.7B-Base，按需挑选模态再做微调，而不是跑一个大而全的通用模型。
2. 新架构：官方称新的 tri-hybrid（三混合）架构 + 训练配方，使 LFM3-1.7B 以少约 35% 的参数超过上一代 LFM2.5-2.6B；预训练约 22T tokens。
3. 面向边缘设备：文本模型 4-bit 量化后约 1 GB，可在手机、笔记本上本地运行；文本版支持 256K 上下文。
4. 视觉版 LFM3-VL-2B：官方 62 项视觉基准平均 71.4（上一代 LFM2.5-VL-3B 为 57.6），官方称与约 6 倍参数的 Gemma 4 12B 持平（以上均为厂商自报数据）。
5. 新的自研视觉与音频编码器，所有模型均可在单张 GPU 上微调。
6. 生态支持：首日支持 llama.cpp、MLX、vLLM、SGLang，覆盖 Apple、AMD、NVIDIA、Qualcomm 等硬件；也可通过 OpenRouter 等平台访问。

为何收录

LFM3 是本窗口内官方发布的全新命名模型家族：liquid.ai 站点地图新增 /blog/lfm3，X 热门新闻与多位技术博主（如 @omarsar0、@xenovacom）同步报道；雷达库此前只有 LFM2.5 系列。

如何上手

1. 阅读官方博客 liquid.ai/blog/lfm3 了解 6 个模型分工
2. 在 Hugging Face 的 LiquidAI 组织下载对应权重（如 LFM3-1.7B、LFM3-VL-2B 等），或在 Liquid Playground 在线试用
3. 本地运行：使用 llama.cpp（GGUF）、MLX（Apple Silicon）或 vLLM/SGLang 部署
4. 专用化：用官方微调指南在单卡 GPU 上用自有数据做 SFT，打造垂直任务专家模型
5. 智能体场景：官方提供将 LFM3 接入本地 agent harness（如 Hermes Agent、Pi）的指南；浏览器端也可通过 Transformers.js + WebGPU 体验

适合谁

• 需要离线、隐私优先或低延迟推理的端侧应用开发者
• 想在单卡上微调小模型做垂直任务（文档理解、语音、机器人空间推理等）的团队

注意

• 基准分数为厂商自报，独立评测仍在进行
• 许可证为 LFM Open License v1.0，商用条款请以官方为准