Liquid AI 发布 LFM2.5-230M：2.3 亿参数边缘模型，在数据提取任务上击败 4 倍体量竞品

在大型语言模型（LLM）竞相追求万亿参数的今天，Liquid AI 选择了一条截然不同的道路。该公司今日发布了其迄今最小的模型 LFM2.5-230M，一个仅拥有 2.3 亿参数的基础模型。尽管体量微小，但它在数据提取和工具调用任务上击败了参数量是其 4 倍的竞争对手（如 Qwen3.5-0.8B 和 Gemma 3 1B），并能在智能手机、笔记本电脑甚至树莓派等边缘设备上流畅运行。

• 官方介绍：https://www.liquid.ai/blog/lfm2-5-230m
• 模型：https://huggingface.co/LiquidAI/LFM2.5-230M

核心突破：非 Transformer 架构的效率胜利

LFM2.5-230M 的核心优势源于其独特的 LFM2 架构。它摒弃了传统 Transformer 中计算密集的纯注意力机制，转而采用一种混合系统：

• 门控短程卷积 + 分组查询注意力：这种设计有效避免了二次方内存成本，使得模型在处理长序列时更加高效。
• 超低资源占用：模型内存占用低于 400MB，支持 32K 上下文窗口。
• 极致速度：
  • 在 Samsung Galaxy S25 Ultra (Snapdragon Gen4) 上，解码速度高达 213 tokens/秒。
  • 在 Raspberry Pi 5 上，仍能保持 42 tokens/秒 的可用速度。

性能表现：小身材，大能量

Liquid AI 明确表示，LFM2.5-230M 并非为复杂的数学推理或创意写作而生，而是专为结构化数据提取和智能体工作流优化。在特定基准测试中，其表现令人瞩目：

这一结果证明，在垂直领域（如解析发票、格式化地址、路由遥测数据），经过专门优化的微型模型比通用的小型模型更具性价比和效率。

应用场景：从“AI ETL”到人形机器人

1. 企业级“AI ETL”

传统基于规则的 ETL 脚本脆弱且难以维护。LFM2.5-230M 允许企业在本地硬件上部署轻量级提取引擎，自动将非结构化文档转换为 JSON 等格式。由于无需调用昂贵的云端 API，且延迟极低，它成为处理海量常规数据任务的理想选择。

2. 边缘智能体与机器人

Liquid AI 展示了该模型在 Unitree G1 人形机器人上的应用。模型运行在机器人自带的 NVIDIA Jetson Orin 模块上，能够理解自由形式的自然语言指令（如“向前走3米，单膝跪地5秒”），并将其转化为结构化的多步骤技能调用计划。这证明了微型模型在离线、低延迟机器人控制中的巨大潜力。

许可模式：保护创新的“双重用途”策略

LFM2.5-230M 采用 LFM Open License v1.0，这是一种非 OSI 合规的双重用途商业许可：

• 免费使用：年收入低于 1000 万美元 的个人、研究人员及初创公司可免费商用、修改和分发。
• 付费授权：年收入超过 1000 万美元的大型企业需签署单独的商业协议。

这一策略旨在保护 Liquid AI 的知识产权，防止科技巨头无偿吸收其创新成果，同时鼓励基层开发者和中小企业的广泛采用。