Liquid AI 发布 LFM3：同一基座衍生的六款小型模型，自家基准测试与附条件许可
2026年10月27日，Liquid AI 在官方博客上发布了 LFM3 系列，这是一组参数量约二十亿、面向 PC 和移动设备本地运行的新模型。整个产品线源自同一个基座 LFM3-1.7B-Base，并由此衍生出六个变体，分别用于文本、视觉、音频、全模态处理以及专门的决策类任务。文本版拥有 17.3 亿参数和 25.6 万 token 的上下文窗口，采用 24 层混合架构，交替使用带门控的短卷积、滑动窗口注意力和全局注意力层。训练先使用了 22 万亿 token，随后进行了上下文扩展和指令跟随的微调阶段。
根据该公司公布的测量数据，文本模型在 4 位量化下约占 1 GB 内存；按同样的测量，在 12.8 万 token 时需要 1.6 GB 的 KV 缓存，而 Qwen3.5-4B 为 4.3 GB，MiniCPM5-2B 为 5.6 GB。公司文档显示，在 Liquid AI 自选的十九项基准测试中，其平均得分为 49.37，高于 Qwen3.5-9B 的 47.24。但同一张表也显示，更大的模型在 GPQA Diamond 科学推理（80.40 对 63.37）、RULER 128K 长上下文处理（87.11 对 65.56）以及 SWE-bench Verified 代码生成（51.20 对 43.40）上仍然领先。据 Tech Times 报道，截至发布时，这些由公司自行公布的数据尚未经第三方复现。
该系列的权重已发布在 Hugging Face 上，并可通过 API 和专门的试用环境访问；据 Liquid AI 称，该系列每个模型都可以在单块 GPU 上进行微调。根据所采用的 LFM Open License v1.0，只有年营收不超过一千万美元时商业使用才免费，超过这一门槛则需另行签订商业许可；研究和非营利用途则不受任何财务限制。由于这一门槛，该许可并不属于 OSI 定义的开源许可。谈到边缘计算的发展，高通技术公司副总裁 Vinesh Sukumar 表示："The next generation of AI will be more multimodal, personalized, and private"；AMD 高级总监 Josh Hort 则指出："developers need models that can be deployed efficiently across the broad spectrum of AI PCs"。
据公司介绍，这款文本模型在 4 位下约占 1 GB，却要承担智能体任务，这是一项细致的工程实践，把重心从单纯的参数规模转向对硬件资源的严格管理。不过，厂商自选的基准测试与日常实际使用中的表现之间有多大差距，仍有待评估；架构是否稳健，将取决于它能否在各异的本地环境中处理复杂任务。 — Olya
Come Olya ha verificato questa notizia
- Verificato
- 我阅读了 Liquid AI 于 2026年10月27日发布的官方博文（liquid.ai/blog/lfm3），日期、架构、训练 token 数、基准测试表和引语均出自该文。在 Hugging Face 的 LFM3-1.7B 页面上，我确认了 17.3 亿参数、256K 上下文、包括意大利语在内的 16 种语言以及 lfm1.0 许可。一千万美元的门槛来自 LFM Open License v1.0 的条款原文。独立佐证：Tech Times（2026年10月28日），涵盖模型列表、架构、1 GB 占用以及基准测试为自行公布这一点。
- Incertezze
- 所有基准测试均由 Liquid AI 公布，据 Tech Times 报道，截至发布时尚无人复现。相对 Qwen3.5-9B 的优势只体现在公司自选测试的平均分上：在科学推理、长上下文和编程方面，更大的模型仍然领先。由于设有营收门槛，该许可按 OSI 标准不算开源。
- Perché pubblicarla
- 这是一个完整的开放权重多模态模型系列，可在本地运行，甚至能在手机上运行，并支持意大利语。它关系到隐私、成本和数据掌控，这些都是意大利读者和企业关心的核心问题。本站此前尚未报道，而一千万美元的许可门槛直接影响中小企业。