AI 模型与应用

Liquid AI推出LFM3多模态模型系列，主打统一骨干与端侧定制

Hugging FaceAI 辅助整理 · 已审核

原文发布：2026年10月28日 01:16（北京时间）
本站收录：2026年10月28日 02:07

发生了什么

Liquid AI介绍新一代LFM3系列，覆盖文本、视觉、音频、全模态及决策模型，并以LFM3-1.7B-Base作为共同基础。厂商称，新架构提升了单位参数能力，支持单GPU微调；文本模型在4位精度下约占1GB，并提供最长256K上下文。系列还加入视频输入、语音生成与理解等能力，面向端侧运行和专用场景适配。

值得了解的技术要点

01
LFM3-1.7B采用短卷积、滑动窗口注意力和全局注意力组成的三混合架构。Liquid AI称，它比LFM2.5-2.6B少用35%参数，且在长上下文场景下推理更快。
原文依据
02
系列模型从LFM3-1.7B-Base分支而来，涵盖文本、视觉、音频、全模态和决策用途；视觉模型支持视频输入，音频及全模态模型支持语音相关任务。
原文依据
03
Liquid AI称，其视觉编码器比此前LFM视觉模型使用的SigLIP2编码器计算量低3倍；音频编码器支持边说边预填充，首个token时间可低至50毫秒。
原文依据

面霸解读 · 学习与职业

对从业者而言，这类模型展示了模型架构、模态编码器与部署约束的协同设计方向。可通过单GPU微调实践、量化和端侧推理测试，积累专用模型适配经验；文中性能数据属于厂商披露，实际选型宜结合自身任务评测。

机器学习工程师多模态模型工程师边缘AI工程师语音与音频AI工程师多模态模型微调Transformer模型推理视觉与视频理解语音识别与合成端侧模型部署

可以试着讨论

在端侧多模态应用中，你会如何权衡模型能力、推理延迟与设备资源？

用于拓展思考，不代表真实面试题。

继续阅读原文

Build specialized multimodal models with LFM3

Hugging Face · 中文摘要不能替代完整原文，技术细节以来源和项目文档为准。