在人工智能模型向终端设备普及的浪潮中，Liquid AI于近日正式发布新一代混合架构模型LFM2。这款专为边缘计算场景设计的突破性模型，通过创新架构设计与极致优化，在模型质量、运行速度与内存效率三大核心维度树立行业新标杆。目前官方已开放350M、700M和1.2B三个参数规模的微调权重，为开发者提供兼具高速训练推理、卓越性能表现、创新架构设计与灵活部署能力的全栈AI解决方案。
【免费下载链接】LFM2-1.2B项目地址: https://ai.gitcode.com/hf_mirrors/LiquidAI/LFM2-1.2B
架构革新驱动性能飞跃
LFM2系列模型最显著的突破在于其独创的混合Liquid架构，该架构创新性地融合了乘法门控机制与短卷积模块，实现了计算效率与特征表达能力的完美平衡。这种架构设计使模型能够在CPU、GPU和NPU等多种硬件平台上高效运行，特别是在资源受限的终端设备上展现出优异的性能表现。
训练效率方面，相较于上一代模型，LFM2实现了3倍的训练速度提升，大幅缩短模型迭代周期。在推理性能上，该模型在CPU环境下的解码速度和预填充速度达到Qwen3模型的2倍，彻底改变了终端设备上大模型运行缓慢的现状。这些性能提升源于模型架构的深度优化，而非简单的参数规模扩张，体现了Liquid AI在模型设计上的深厚技术积累。
多维度基准测试领跑同级别模型
LFM2系列模型在多项权威基准测试中展现出超越同参数规模模型的卓越性能。在知识问答、数学推理、指令遵循和多语言处理等关键能力维度，LFM2均建立了新的性能标准。特别值得关注的是1.2B参数版本在MMLU（大规模多任务语言理解）、GPQA（通用问题回答评估）、IFEval（指令跟随评估）、GSM8K（小学数学问题）、MGSM（多语言数学问题）和MMMLU（大规模多语言理解）等主流评测中均取得优异成绩。
如上图所示，LFM2各参数模型在MMLU、GPQA等多个基准测试中与同级别模型的性能对比。这一全面领先的测试结果充分体现了LFM2架构设计的优越性，为开发者选择终端部署模型提供了可靠的性能参考依据。
为了更直观地展示模型的实际应用能力，Liquid AI采用模型自动评估方法，通过大语言模型作为评估工具对LFM2的综合表现进行测评。评测结果显示，LFM2在回答相关性、事实准确性、逻辑连贯性等关键维度均获得高分评价。
如上图所示，在模型自动评估评测的多个细分维度中，LFM2模型得分均显著高于同参数规模的对比模型。这一评测结果充分体现了模型在实际应用场景中的可靠性，为企业用户选择部署方案提供了重要参考。
第二张模型自动评估评测结果图进一步展示了LFM2在复杂任务处理上的优势。从图中可以看出，随着任务难度提升，LFM2相对于对比模型的性能优势更加明显，尤其在需要深度推理和多步骤处理的任务中表现突出，为开发者处理复杂业务场景提供了强有力的AI支持。
终端部署性能突破硬件限制
针对边缘计算场景的特殊需求，LFM2系列模型在终端部署性能上进行了深度优化。通过与ExecuTorch和Llama.cpp等主流推理框架的紧密集成，模型实现了在CPU环境下的高效运行，为缺乏专用AI加速硬件的终端设备提供了强大的AI处理能力。
如上图所示，在基于ExecuTorch框架的CPU推理测试中，LFM2-1.2B模型展现出显著的吞吐量优势。这一性能表现意味着在相同硬件条件下，LFM2能够处理更多的并发请求，为企业级应用提供更高效的AI服务支撑。
在Llama.cpp框架下的测试同样验证了LFM2的卓越性能。从对比图中可以清晰看到，LFM2-1.2B在不同输入长度下均保持领先的吞吐量，这一特性使其特别适合处理动态变化的实际业务负载，为终端设备AI应用提供了稳定可靠的性能保障。
多语言支持与场景化应用指南
LFM2系列模型原生支持英语、阿拉伯语、中文、法语、德语、日语、韩语和西班牙语等八种主流语言，具备强大的跨语言理解与生成能力。这种多语言支持能力使模型能够轻松应对全球化业务场景，为跨国企业提供一致的AI服务体验。
考虑到模型紧凑的参数规模，Liquid AI建议开发者针对特定业务场景进行微调，以最大化模型性能。LFM2特别适合以下应用场景：智能代理任务、数据抽取与分析、检索增强生成（RAG）、创意内容生成以及多轮对话系统。通过场景化微调，模型能够在特定任务上达到接近大参数模型的性能水平，同时保持终端部署的高效性。
未来展望与商业合作
LFM2系列模型的发布标志着边缘AI领域的重要突破，为终端设备带来了前所未有的AI处理能力。随着物联网设备的普及和边缘计算需求的增长，LFM2有望成为终端AI应用的标准解决方案。
Liquid AI目前提供LFM2系列模型的标准版本供开发者免费使用，同时为企业客户提供定制化解决方案服务。如需针对特定硬件平台或业务场景进行深度优化，可联系Liquid AI销售团队获取专业支持。未来，Liquid AI将持续迭代LFM2架构，推出更大参数规模和更强性能的模型版本，同时进一步拓展支持的硬件平台和应用场景，推动边缘AI技术的普及与发展。
对于希望在终端设备上部署高性能AI模型的企业而言，LFM2系列提供了兼顾性能、效率与成本的理想选择。其创新的混合架构、卓越的性能表现以及灵活的部署能力，将帮助企业在AI驱动的数字化转型中抢占先机，构建更智能、更高效的业务系统。
【免费下载链接】LFM2-1.2B项目地址: https://ai.gitcode.com/hf_mirrors/LiquidAI/LFM2-1.2B
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
