一句话看懂：Liquid AI 于 2026 年 10 月 27 日发布 LFM3 系列，首批 6 个约 2B 参数模型共享同一骨干，覆盖文本、视觉、音频、全模态和决策模型，基础版与后训练版均开放权重，可在本地微调运行。
事件核心：发生了什么
LFM3 是 Liquid Foundation Models 的新一代产品，定位“专用智能”。首批模型全部基于 LFM3-1.7B-Base 分支而来，参数约 2B。基础版预训练用了 22T tokens，最后 3.5T 为高质量中训练阶段，加入更多 agentic 轨迹与工具调用样本，并把上下文窗口扩展到 256K。
架构上，LFM3 改为“三混合”：24 层中 13 层是门控短卷积（卷积核从 3 扩大到 7），5 层为 256 token 窗口的滑动窗口注意力，6 层为全局注意力，并引入逐头门控注意力、部分 RoPE 与 Sandwich norm。官方称，在 8K 上下文下，LFM3-1.7B 比 LFM2-1.2B 每参数约快 25%。
权重大概今天即可在 Hugging Face、Liquid Playground 和 Liquid AI API 获取，文档提供本地运行与微调说明。目前公开信息显示，本次发布未披露具体基准分数。
为什么重要
在大模型普遍追求更大参数量的背景下，LFM3 选择把“能力密度”押在小模型上：同一骨干派生多个模态与决策变体，开发者按需选型，而非部署一个通用大模型。这对边缘 AI、端侧推理和专用任务微调是一条有区分度的路线，也与 AMD 等芯片厂商推动 AI PC 本地运行的生态方向一致。开放权重则可能吸引需要数据不出本地的行业客户。
对用户/开发者/创作者的影响
开发者可用 2B 级模型做本地微调，把通用底座改成特定领域的“专家”，推理成本与硬件门槛相对较低，适合手机、笔记本、树莓派等设备。创作者和企业若对隐私敏感，可评估在自有设备上跑视觉或音频模型。不过，目前公开信息显示其真实效果仍需以各模型卡和第三方实测为准，不建议直接按官方描述做采购决策。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是各模型卡中的基准与推理数据能否经得起复现；二是 Liquid AI API 的定价与限流策略；三是开源小模型赛道（如 Qwen、Gemma 等）是否跟进类似的“全模态同骨干”设计；四是 AMD Ryzen AI 与高通 NPU 上的实际部署体验。
