Liquid AI 發表 LFM2：號稱市場最快的終端裝置基礎模型，效能與速度兼備

發佈於: 2025-07-11 • 更新於: 2025-07-11 • 1 分鐘閱讀

新創公司 Liquid AI 推出了第二代基礎模型 LFM2，專為手機、筆電、AI PC 等邊緣裝置設計。本文將深入探討 LFM2 的三大模型、其驚人的效能表現，以及與 Qwen 3、Llama 3.2 等模型的比較，並解析其開源對開發者和產業的意義。

人工智慧的發展正快速地從雲端走向我們生活中的各種裝置。在這個趨勢下，新創公司 Liquid AI 近日投下了一枚震撼彈，正式發表了其第二代 Liquid 基礎模型系列——LFM2。這系列模型不僅標榜為市場上最快、記憶體效率最高的「終端裝置 AI」，更直接將模型權重開源，向全球開發者社群招手。

LFM2 的目標非常明確：就是要讓 AI 無縫地在手機、筆記型電腦、AI PC、汽車，甚至是穿戴式裝置和機器人上高效運行。這意味著，未來我們所體驗到的生成式 AI 將不再完全依賴遠端伺服器，而能在本機端即時反應，帶來前所未有的流暢體驗。

LFM2 系列模型：小巧而強大的三種選擇

這次 Liquid AI 一口氣推出了三款不同規模的 LFM2 模型，分別是 LFM2-350M、LFM2-700M 和 LFM2-1.2B。這些模型的參數規模從 3.5 億到 12 億不等，旨在滿足不同裝置的運算能力和應用需求。

LFM2-350M： 這是系列中最小巧的模型，專為資源極度有限的裝置設計，例如智慧手錶或簡易的物聯網設備。
LFM2-700M： 作為中量級選手，它在效能和速度之間取得了絕佳的平衡，非常適合智慧型手機和多數筆記型電腦。
LFM2-1.2B： 這是目前系列中最強大的模型，鎖定高階 AI PC 和需要更複雜推理能力的邊緣運算場景。

有趣的是，Liquid AI 的圖表顯示，LFM2 系列在模型大小與效能評分之間呈現出漂亮的線性增長關係。這代表使用者可以很清楚地預期：選擇更大規模的模型，就能換來更強的處理能力。

效能比一比：LFM2 如何稱霸群雄？

光說不練假把戲，Liquid AI 直接端出了詳盡的效能測試數據，將 LFM2 與市面上幾個主流的輕量級模型進行了正面對決，包含阿里的 Qwen 3、Meta 的 Llama 3.2，以及 Google 的 Gemma 3。

從官方公布的數據來看，LFM2 的表現確實令人眼睛一亮。

在多項業界公認的基準測試（Benchmarks）中，LFM2-1.2B 模型在許多項目上都展現了優勢：

MMLU (大規模多任務語言理解): LFM2-1.2B 拿下了 55.23 的高分，超越了 Llama 3.2-1B-Instruct 的 46.6 和 Gemma 3-1B-it 的 40.08。
GSM8K (小學數學推理): 在這項考驗邏輯推理的測試中，LFM2-1.2B 以 58.3 的分數大幅領先，顯示其出色的數學解題能力。
IFEval (指令遵循能力): LFM2-1.2B 獲得了 74.89 的分數，緊追在 Qwen 3-1.7B 的 73.98 之後，表現相當優異。

這些數據說明，即使 LFM2 的模型參數比對手小，其綜合能力卻能與之匹敵，甚至在某些方面更勝一籌。這就是 Liquid AI 所謂的「高效率」，用更少的資源，做更多的事。

速度才是王道：終端裝置的生成體驗

對於終端裝置來說，模型的推理速度直接影響使用者體驗。想像一下，當你對著手機下指令，卻要等上好幾秒才有回應，那感覺肯定很差。

Liquid AI 特別強調了 LFM2 在文字生成速度上的驚人表現。在一張以 AMD H8370 CPU 進行測試的圖表中，可以看到 LFM2 模型在不同上下文長度（Context Length）下的生成速度（以 tokens/sec 為單位）遠遠甩開了其他對手。

尤其是 LFM2-350M 和 LFM2-700M，即使在處理較長的文本時，其速度依然保持在非常高的水準。這意味著無論是進行即時問答、撰寫草稿，還是進行程式碼輔助，LFM2 都能提供極為流暢、幾乎沒有延遲的互動感受。這對於追求極致體驗的 AI PC 和高階智慧型手機市場來說，無疑是個巨大的誘因。

開源的意義：加速邊緣 AI 的普及

Liquid AI 這次不僅僅是發表產品，更是將 LFM2 的模型權重開源，提供給學術研究和商業使用。這個決定對於整個 AI 社群來說意義重大。

開源讓開發者可以自由地在 LFM2 的基礎上進行客製化和微調，打造出符合特定需求的應用。例如，手機製造商可以利用 LFM2 開發出更聰明的語音助理；汽車公司則能打造反應更即時的車載娛樂系統。

透過開放社群的力量，LFM2 的生態系將能快速成長，激發出更多創新的應用，真正加速邊緣 AI 技術的普及化。

常見問題解答 (FAQ)

問：LFM2 模型與其他大型語言模型 (如 GPT-4) 有何不同？

答：最主要的區別在於設計目標和應用場景。GPT-4 這類大型模型主要在雲端伺服器上運行，追求的是極致的綜合能力。而 LFM2 則專為「邊緣裝置」或「終端裝置」設計，它更注重運行的速度和效率，目標是在有限的硬體資源下，提供最佳的即時 AI 體驗。

問：身為開發者，我該如何開始使用 LFM2？

答： Liquid AI 已經將 LFM2 的模型權重開源。您可以前往他們的官方 X (前身為 Twitter) 帳號 @LiquidAI_ 尋找相關的開源連結和技術文件，下載模型並開始您的開發專案。

問：LFM2 的「Liquid」是什麼意思？

答：「Liquid」這個詞源自於 Liquid AI 開發的「液態神經網路」(Liquid Neural Networks)。這是一種受到生物神經系統啟發的網路架構，相較於傳統的靜態神經網路，它能更動態地適應輸入的變化，因此在處理時序性資料和提升運算效率上具有獨特優勢，這也是 LFM2 能如此高效的原因之一。

總而言之，Liquid AI 的 LFM2 系列無疑為邊緣運算 AI 設立了新的標竿。它不僅證明了小模型同樣能擁有強大效能，更透過開源的方式，邀請全世界的開發者共同塑造一個反應更即時、更個人化的 AI 未來。