LiquidAI 发布 LFM3：2B 级文本到 omni/决策共用骨干
Liquid AI 在 Hugging Face Blog 介绍 LFM3：在约 2B 参数量级把文本、视觉、音频、omni 与决策模型放到同一骨干上，强调单卡微调与端侧部署。厂商称 LFM3-1.7B 以少约 35% 参数优于 LFM2.5-2.6B，4-bit 约 1GB、上下文 256K；具体基准与速度数字为 LiquidAI 主张。
Liquid AI 发布 LFM3（Liquid Foundation Models 新一代），称其为「专用智能」起点：把文本、视觉、音频、omni 与决策模型放到同一骨干，均在约 2B 参数量级，可按模态选型、在单卡上微调并部署到应用侧。相对 LFM2，官方列出四点：单位参数能力更高（称 LFM3-1.7B 以少 35% 参数优于 LFM2.5-2.6B）；六款 2B 级模型均自 LFM3-1.7B-Base 分出，含首个 omni 与视觉模型的视频输入；面向边缘（文本 4-bit 约 1GB、自研视觉/音频编码器、文本 256K 上下文）；均可单卡微调做专项化。
骨干 LFM3-1.7B-Base 为 24 层 tri-hybrid：13 个门控短卷积、5 个 256-token 滑动窗口注意力、6 个全局注意力，并含 head-wise gated attention、Partial RoPE、Sandwich norm 等（厂商描述）。预训练称 22T token，中段 3.5T 提高智能体轨迹与工具调用占比并把上下文扩到 256K。产品线包括 LFM3-1.7B、LFM3-VL-2B、LFM3-Audio-2B、LFM3-Omni-2B 以及决策模型 d1-2B / d1-omni-2B。厂商给出 WebArena-Verified 等对比分与编码器 FLOPs/首 token 时延等数字——均为 LiquidAI 主张，非本站复测。推理示例基于 transformers，模型卡列其他引擎。
来源
- Build specialized multimodal models with LFM3 — Liquid AI (Hugging Face Blog)