Liquid AI 發布 LFM3，1.7B 文字模型以三種混合運算支援本機代理

Liquid AI 於 10 月 27 日推出 LFM3，首批涵蓋六款約 2B 參數的文字、視覺、音訊、全模態與決策模型，均由 LFM3-1.7B-Base 衍生。這次發布的技術重點，是把可微調的小型共同骨幹擴展至不同輸入與任務，讓開發者依需求選擇模型，在裝置端建立專用應用。官方公告

文字版 LFM3-1.7B 有 17.3 億參數，24 層中包含 13 層閘控短卷積、5 層滑動視窗注意力與 6 層全域注意力；局部注意力視窗為 256 tokens。這種組合保留局部序列處理，同時提供跨位置資訊交換。模型另採逐頭閘控注意力與部分 RoPE，官方表示設計目標包括控制活化值離群現象，以及改善長上下文的品質與速度取捨。架構說明

訓練方面，共同骨幹使用約 22T tokens，最後階段增加代理軌跡與工具呼叫，並將上下文延伸至 256K。文字版後訓練則結合監督式微調、混合強化學習、六種專家教師的策略蒸餾，以及在實際代理框架內執行任務的強化學習。模型卡將工具呼叫、結構化輸出與領域微調列為主要用途，支援語言包含中文。模型卡

官方公布的 WebArena-Verified 分數由前代 LFM2.5-2.6B 的 3.02 提升至 38.42，但這是供應商評測，不能直接推論所有網站或企業流程都有同等進步。模型卡也明確建議，知識密集任務應搭配檢索，並不推薦用於代理式編碼或複雜多步推理。評測與限制

部署時尤其要區分權重容量與完整執行記憶體：官方所稱四位元約 1 GB，不能視為長上下文工作負載的總需求。Ollama 已提供 ollama run lfm3，但 v0.40.12 發行說明將這批模型支援限於 Apple 硬體，Linux／Windows 仍待後續開放。工程團隊接下來應以自己的中文工具流程，檢查參數正確率、長對話穩定性、延遲與記憶體峰值，再判斷是否適合取代現有模型。Ollama 模型頁、發行說明