一句话看懂：有社交平台用户提到，MIT CSAIL 分拆出的 Liquid AI 推出新一代 LFM3（液态基础模型），约 2B 参数级，覆盖文本、视觉、音频和多模态，走非 Transformer 架构与端侧部署路线。这类公司的思路与 OpenAI、DeepSeek 形成明显差异，值得关注端侧 AI 的开发者留意。
事件核心：发生了什么
据 @CrownsGod99 于 2026 年 10 月 27 日发布的内容，Liquid AI 的最新模型系列 LFM3 中文可称“液态基础模型”，参数规模集中在 230M 至 24B，单次推理的活跃参数更少。素材称其覆盖文本、视觉、音频以及 Omni 多模态形态，技术核心是液态神经网络加混合架构，强调连续时间动力学，而非主流大模型普遍采用的 Transformer 结构。
该帖同时提到，Liquid AI 与奔驰有合作，应用方向包括汽车、机器人、边缘 AI 和隐私敏感场景，并开放大量开源权重，但商业使用设有门槛。需说明的是，以上信息来自社交平台转述，并非官方产品公告，具体可用能力和价格需以官方信息为准。
为什么重要
当前大模型竞争主要围绕参数规模、云端算力和 API 价格展开。Liquid 代表的路线把重点放在小参数模型的推理效率和硬件协同设计上，追求在 CPU、NPU、手机和车机等受限环境中跑得够快。若这条路线成立，AI 的能力分布会更分散：一部分集中在云端大模型，一部分下沉到设备端，低延迟和隐私保护成为卖点。这与 OpenAI 的云订阅/API 生态、DeepSeek 的“开源加强低价 API”策略形成补充而非正面替代。
对用户/开发者/创作者的影响
对开发者而言，端侧优先意味着可以把模型直接部署在终端，减少网络依赖和调用成本，适合实时决策、车载语音、机器人控制等场景；但 2B 级模型的知识广度和复杂推理能力难与云端大模型相比，选型时需按任务拆分。对普通用户和创作者，这类模型更多会以“设备内嵌功能”出现，而不是单独的产品入口。企业采购则应关注开源权重的许可证条款和商业授权门槛，避免误用。
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 LFM3 是否发布正式技术报告和可下载权重，以及是否有第三方复现评测；二是端侧推理在实际手机、车机上的延迟和功耗数据；三是商业授权价格与竞品跟进情况，尤其是小参数模型赛道的开源节奏。推文中“每人一个专属小模型”的设想属于作者个人观点，目前没有产品证据支撑。
来源：@CrownsGod99
