一句话看懂：LiquidAI 于 2026 年 10 月 27 日发布 LFM3 系列，以 1.7B 基座模型衍生出文本、视觉、音频、全模态和决策等六款 2B 级模型，主打单卡微调与端侧部署。
事件核心：发生了什么
据 Hugging Face 博客文章，LFM3 是 LiquidAI 新一代 Liquid Foundation Models。所有模型都从 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、omni 和决策六款 2B 级模型，其中包含该公司首个 omni 模型，视觉模型也新增了视频输入。基座采用三混合架构：24 层中混用 13 层门控短卷积、5 层滑动窗口注意力（窗口 256 token）和 6 层全局注意力，并引入逐头门控注意力、部分 RoPE 与 Sandwich norm。官方称 LFM3-1.7B 以少 35% 的参数超过 LFM2.5-2.6B；文本模型 4bit 量化后约 1GB，上下文窗口 256K。
为什么重要
LFM3 的技术路线与“堆参数做通用大模型”形成对照：同一骨干按模态拆分出专用小模型，并针对手机、树莓派 5、笔记本、云端 CPU/GPU 和 Qualcomm Hexagon NPU 等 14 种设备与后端组合做架构搜索。对开源与端侧生态而言，这提供了一个可微调、可本地推理的 2B 级选项；长上下文下每参数推理效率的优化，也直接关系到智能体能否在设备端运行。目前公开信息显示，它能补足通用大模型在隐私、时延和成本上的短板，但尚不构成对通用大模型的替代。
对用户/开发者/创作者的影响
开发者最实际的变化是“单卡微调”：六款模型均可在一张 GPU 上用自己的数据定制，适合做垂直领域文本处理、视觉识别、音频理解或决策类 AI 应用。创作者和企业若关注数据不出端，可优先评估文本与多模态模型在本地设备上的表现；需要 omni 或视频输入的场景，则要等模型权重、许可证与推理框架支持情况公布后再做选型。注意，博客未给出完整基准分数和商用条款，现阶段不宜将宣传指标当作最终性能结论。
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
一是六款模型是否全部开放权重，许可证是否允许商用；二是 256K 上下文与 4bit 量化在真实设备上的内存占用和推理速度能否兑现；三是单卡微调所需的最低显存和配套工具链是否易用。这三项将决定 LFM3 是停留在博客演示，还是能进入实际产品。
