模型 發布日期：
Liquid AI 發表 LFM3：1.7B 代理模型、上下文 256K，約 1 GB 就放得下
發生什麼事
Liquid AI 在 10 月 27 日於 Hugging Face 開放 LFM3 權重：包含上下文 256K tokens 的 1.7B 文字模型，以及約 2B 參數的視覺、語音與全模態模型，還有 2B 的決策模型（d1）。LFM3 採用新的「三混合」架構，結合短卷積、滑動視窗注意力與全域注意力，預訓練用了 22T tokens。Liquid 表示，文字模型 4-bit 量化後約需 1 GB，完整 128K tokens 的 KV 快取只占 1.6 GB，Qwen3.5-4B 則要 4.3 GB。Ollama v0.40.12 當天就加入這些模型，先支援 Apple 硬體。
對地端使用者的意義：一個約 1 GB、能呼叫工具又有長上下文的模型，讓一般筆電和手機也能跑代理；但 LFM Open License 只讓年營收低於 1,000 萬美元的公司免費商用。
三種角度看這則新聞
市場怎麼看
Liquid 拿 LFM3-1.7B 與 Qwen3.5-4B、Qwen3.5-9B、Gemma 4 E4B 比較，工具呼叫分數較高（BFCL V4 為 71.39，Qwen3.5-9B 為 62.83），但也承認在知識與代理式寫程式上，大模型仍然勝出。授權是關鍵：不像採 Apache 授權的對手，規模較大的公司需要另外簽商用合約，這可能放慢企業導入的速度。
白話版
Liquid AI 推出一個很小的 AI 模型，能使用工具、讀長文件，還能在手機或筆電上離線執行。可以把它想成手腳俐落、做事有條理的助理，而不是專家：照步驟辦事很拿手，深入的專業知識就比較弱。
業內觀點
Liquid 提供 GGUF 與 MLX 版本，並列出 llama.cpp、Ollama、LM Studio、vLLM 與 SGLang；但 llama.cpp 需要支援 LFM3 的版本，Ollama v0.40.12 目前也只在 Apple 硬體上支援 lfm3 與 d1 2B，Linux 與 Windows 之後才會跟上。正式採用前，請用自己的工具定義與長上下文檢索測試：Liquid 公布的 RULER 128K 分數是 65.56，Qwen3.5-9B 則是 87.11。
訂閱小芽週報
每週一封：本週重點新聞與小芽洞察摘要。隨時可以取消。
來源
閱讀官方原文：Liquid AI blog ↗摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。