Liquid AI 发布 LFM2-2.6B-Exp：小模型大性能，指令遵循能力超越百倍规模对手

Liquid AI 正式推出 LFM2-2.6B-Exp —— 一个基于纯强化学习（RL）训练的实验性语言模型。它在指令遵循、常识推理和数学任务上表现突出，尤其值得注意的是：其 IFBench 评测分数已超过 DeepSeek R1-0528，而后者参数量是它的 263 倍。

• 模型：https://huggingface.co/LiquidAI/LFM2-2.6B-Exp

这一结果再次印证了：模型性能不仅取决于规模，更依赖于训练方法与目标对齐。

• Liquid AI 发布 LFM2：设备端最快的生成式基础模型

• LFM2-2.6B发布：小参数，高性能，重新定义语言模型效率

小而高效：LFM2 系列的核心优势

LFM2 系列采用独特的 混合架构（卷积 + 注意力），在保持较小参数量的同时实现高推理效率。全系列支持 32,768 词元上下文 和 bfloat16 精度，训练数据量统一为 10 万亿词元，覆盖 8 种主流语言：英语、中文、阿拉伯语、法语、德语、日语、韩语、西班牙语。

所有模型均采用 65,536 词元的大型词汇表，提升语言表达密度与生成流畅度。

适用场景与使用建议

尽管 LFM2-2.6B-Exp 在多项基准中表现优异，Liquid AI 明确建议：

✅ 推荐用途：

• 智能代理（Agent）任务
• 结构化数据提取
• RAG（检索增强生成）中的重排或摘要
• 创意写作与多轮对话
• 在特定任务上微调以进一步提升性能

❌ 不推荐用途：

• 高度知识密集型任务（如专业领域问答）
• 复杂编程或代码生成

官方强调：“由于其规模较小，建议在特定用例上对 LFM2 模型进行微调，以最大化性能。”

开源与许可

全系列模型采用 LFM 开放许可证 v1.0 发布，允许研究与商业使用，详情见官方仓库。