人工智能实验室Liquid AI于当地时间10月27日正式发布LFM3模型家族。该系列模型基于全新的三混合层架构，在22T词元规模上完成预训练，官方称其在保持高效的同时具备更为出色的表现。
LFM3首批产品覆盖多个模态方向，包括LFM-1.7B（文本）、LFM3-VL-2B（视觉）、d1-2B（决策）、LFM3-Audio（音频）、LFM3-Omni-2B（全能）以及d1-Omni-2B（全能决策）。上述模型均基于LFM3-1.7B-Base构建，形成以统一基座模型衍生多模态能力的矩阵式产品结构。
在核心参数指标上，Liquid AI表示LFM-1.7B拥有256K上下文窗口，在使用的参数减少35％的同时，性能优于上一代LFM2.5-2.6B。这一对比意味着该系列模型在参数效率上取得明显进展，即以更小规模的参数量实现更强的模型能力，这对于推理成本敏感的部署场景具有直接意义。
从架构层面看，三混合层架构是LFM3系列的核心技术变量。Liquid AI此前以液态神经网络方向的研究为业界所知，此次将混合层设计引入LFM3基座，表明其在模型架构效率路线上的持续投入。22T词元的预训练规模在当前开源与半开放模型阵营中处于较高水平，为多模态衍生模型提供了统一的训练基础。
产品矩阵的划分方式也反映出Liquid AI对应用场景的切分思路：文本、视觉、音频三类感知模态各自独立成模，决策类模型单独列为d1系列，全能模型则以Omni命名整合多模态能力。这种“基座统一、能力分叉”的组织方式，便于开发者在同一技术栈内按需选型，降低多模态应用的集成复杂度。
当前大模型行业正从单纯追求参数规模转向对参数效率与部署成本的权衡，小参数、长上下文、多模态衍生成为多家厂商的共同选择。LFM3以1.7B基座支撑起覆盖文本、视觉、音频与决策的完整家族，其实际表现与生态适配情况，将决定这一路线在开发者市场的接受度。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
