Liquid AI 发布 LFM2：设备端最快的生成式基础模型

Liquid AI 正式发布新一代设备端基础模型 LFM2（Liquid Foundation Model 2），重新定义了边缘 AI 推理的速度、效率与部署灵活性。

• 模型：https://huggingface.co/LiquidAI

作为专为嵌入式设备和本地计算环境设计的语言模型，LFM2 在 CPU 上的解码和预填充速度比 Qwen3 快达 2 倍，同时在训练效率上提升了 3 倍，成为目前市场上最高效的设备端基础模型之一。

LFM2 的核心优势

极速推理与训练

• CPU 解码/预填充速度提升 2 倍（对比 Qwen3）
• 训练效率提升 3 倍（相比上一代 LFM1）
• 支持快速原型到产品落地的全栈优化流程

多项基准测试领先

在多个关键能力维度中表现优异：

• 知识理解（MMLU、GPQA）
• 数学推理（GSM8K、MGSM）
• 指令遵循（IFEval、IFBench）
• 多语言支持（涵盖阿拉伯语、法语、德语、西班牙语、日语、韩语、中文）

即使在参数规模较小的情况下，LFM2 依然能媲美甚至超越更大模型，例如：

• LFM2-700M 超越 Gemma 3 1B IT
• LFM2-350M 与 Qwen3-0.6B 和 Llama 3.2 1B Instruct 相当

创新混合架构

LFM2 是一种基于 LIV 操作符 的液体时间常数网络，融合了卷积与注意力机制，具备以下特点：

• 模块化设计：共 16 个模块，包括 10 个双门控短程卷积模块 + 6 个分组查询注意力模块
• 输入感知动态权重生成：使模型更适应实际设备负载
• 面向 SoC CPU 优化：特别适配高通 Snapdragon 等嵌入式芯片

该架构通过 Liquid AI 自研神经架构搜索系统 STAR 进行多目标优化，确保质量、延迟和内存的最佳平衡。

部署灵活，覆盖广泛终端设备

LFM2 可运行于多种硬件平台，包括：

• 手机（如三星 Galaxy S24 Ultra）
• 笔记本电脑（AMD Ryzen HX370）
• 汽车、机器人、可穿戴设备等嵌入式系统

得益于其轻量级设计和高效推理能力，LFM2 特别适用于以下场景：

• 毫秒级响应需求（如语音助手、实时翻译）
• 离线使用场景（如车载导航、无人机控制）
• 数据隐私要求高（如医疗记录处理、金融合规分析）

性能实测：从实验室到真实世界

Liquid AI 使用自动化评估套件 + LLM 评判机制，全面验证 LFM2 的能力：

此外，在多轮对话场景下，LFM2-1.2B 在 WildChat 数据集上的表现优于 Llama 3.2 1B Instruct 和 Gemma 3 1B IT，与 Qwen3-1.7B 持平。

开源可用，企业友好许可

LFM2 已在 Hugging Face 和 Liquid Playground 上开放下载，提供三种参数版本：

• LFM2-350M（3.5 亿）
• LFM2-700M（7 亿）
• LFM2-1.2B（12 亿）

许可证说明：

• 学术研究 & 小型企业（年收入 < $10M）：可免费商用
• 中大型企业需联系 sales@liquid.ai 获取商业授权

推荐开发者结合 llama.cpp、TRL 等工具进行本地部署与微调，以适配具体业务场景。

市场前景广阔

据预测，到 2035 年，紧凑型私有基础模型市场规模将达到万亿美元级别，尤其在消费电子、机器人、智能家电、金融科技、教育等领域增长迅猛。

LFM2 的推出标志着 AI 正在从“云端集中”走向“本地智能”，为企业提供更安全、更快、更具成本效益的部署路径。

适用人群

• AI 工程师与研究人员
• 移动与嵌入式开发团队
• 需要本地化 AI 方案的企业
• 对生成式 AI 部署感兴趣的创业者