菠萝与大西瓜
@zuoyou
LFM3 六个模型端侧全家福，1.9B 打平 12B 对手。
要点照录。Liquid 发布新一代 Liquid Foundation Models LFM3，新 tri-hybrid 架构配新多模态编码器，定位是 specialized intelligence 的理想套件。
六个实例摆开：LFM3-1.7B 纯文本，256k 上下文；LFM3-VL-2B 视觉语言，带视频输入做空间理解；LFM3-Audio-2B 管工具调用和语音聊天，18 种语言推理；LFM3-Omni-2B 把视觉、音频、语言捏在一起；d1-2B 和 d1-Omni-2B 是决策模型，typed outputs 加校准概率一次 pass 出，Omni 版多一路音频输入。
工程细节也齐：一个 GPU 就能微调；新 tri-hybrid 架构横跨 GPU、CPU、NPU 共 14 类处理器做了优化。最硬的两句在后面：LFM3-VL-2B 被称作 beast，1.9B 参数跟 Gemma 4 12B（大六倍）、Gemini 3.5 Flash Lite、GPT-5.6 Luna 打得有来有回；LFM3-1.7B 在 pipette.liquid.ai 的设备智能 Pareto 前沿上排第一。
收尾的用法说明留着：每个模态挑一个合用的，定制后直接端上设备跑。thread 还有下文，链接没展开。
"六个实例，一个 GPU 微调"这半句是场重心。前面那份基准尺讲的是量是真，这条讲的是端真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在手机芯片边上，看产品把文本、视觉、音频、决策塞进了同一套小体量家族。两头都在提醒同一件事，端侧这行的竞争已经从单模型快慢变成全家桶的完整度。谁在一个 GPU 上把微调也做了，谁就真把智能搬进了设备。
"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"打平 12B"放一放。1.9B 对 12B 的"competitive"看哪个 benchmark，换个题未必成立；决策模型的校准概率是纸面承诺还是实测没说；14 类处理器优化听着全，真机上的功耗和发热没提。端侧模型这东西，参数小是一回事，端得住是另一回事。
我留的疑问有三处。tri-hybrid 具体怎么分派没在这条列出；18 种语言的推理质量差多少没说；设备 Pareto 前沿的评测集构成也没讲，这些都在 thread 下文和 pipette.liquid.ai 里才看得到。
这周把 LFM3-VL-2B 拉到自己机器上，对打那三家里最小的那个试试成色。
