Liquid AI发布LFM3，推出六款开放权重多模态模型
Liquid AI发布LFM3系列，将文本、视觉、音频和决策模型统一到约20亿参数级别的共享骨干上，主打本地微调与端侧运行。
发生了什么
Liquid AI发布LFM3系列，首批包含六款围绕共享骨干构建的开放权重模型，整体处于约20亿参数级别。产品覆盖文本、视觉、音频、全模态和决策模型，并同时提供基础版与后训练版本，可通过Hugging Face、Liquid AI Playground和官方API获取。
公司称，LFM3先使用22万亿token进行预训练，随后又进行了约3.5万亿token的中期训练，并采用混合架构，在提升表达能力的同时保留小模型的效率优势。Liquid AI主打的并非通用能力最大化，而是让开发者可以在本地完成微调，把模型部署到更多硬件上，用于特定任务，而不是为所有需求支付大型通用模型的成本。
LFM3也已接入Ollama，开发者可以更方便地在本地设备上测试，或将其部署到资源受限的环境中。开放权重意味着用户可以检查、修改并继续后训练模型，不必完全依赖托管接口。
为什么重要
LFM3不是一次前沿模型规模竞赛，它的价值在于代表了另一条路线：把多模态能力封装进更小、更易组合的模型，让模型更靠近设备、私有数据和具体应用流程。对离线助手、嵌入式系统、语音接口以及强调隐私、延迟和成本可控的智能体而言，这一方向具有现实吸引力。
不过，LFM3能否在实际部署中体现共享架构的跨模态优势，仍未得到充分证明。开放权重和本地微调确实降低了试验门槛，但这并不等于它已经在复杂推理或生产稳定性上接近更大型模型。