AI资讯ai-models
Liquid AI 发布 LFM3 多模态开源权重模型家族,2B 级覆盖文本、视觉、音频、omni 和决策模型
核心亮点
Liquid AI 发布 LFM3 多模态模型家族,主打"专用智能"与端侧部署。这家脱胎于 MIT 的公司延续其液态神经网络(LNN)路线,目标不是和通用大模型拼参数,而是做小、快、可在手机和车机跑的专用模型。
具体能力或事件经过
LFM3 覆盖文本与图像等多模态输入,强调在端侧设备(如手机、车载、边缘芯片)上低延迟推理。相比把一切送往云端,端侧模型能在无网络、低功耗、强隐私约束下工作,适合实时感知与本地决策场景。
技术细节
Liquid AI 的核心技术源自液态神经网络与基于状态的动态系统建模,模型对输入序列有连续时间建模能力,参数量与算力需求相对可控。LFM3 把这套思路扩展到多模态,使端侧也能理解图像并联动文本推理。
与竞品对比
相比 GPT、Claude 等云端巨型模型,LFM3 的差异化是"小而专、跑得动"。与高通、苹果的神经引擎生态类似,它瞄准的是端侧 AI 的蓝海——把智能下沉到设备而非集中在数据中心。
行业影响或适用场景
端侧多模态模型对隐私、延迟与离线可靠性的价值明显,可用于车载助手、工业巡检、可穿戴设备。随着手机 NPU 算力提升,这类"专用小模型"可能成为 AI 普及的隐形主力,而非聚光灯下的旗舰大模型。