LiquidAI LFM3 家族进入 Ollama 与 llama.cpp：1.7B 起六个模型，Windows/Linux 可跑

2026-10-29来源：LiquidAI 官方博客与 HuggingFace 模型卡开源模型 本地部署 多模态 语音
目录
家族里的六个模型tri-hybrid 架构：24 层里 13 层是卷积官方自报成绩Ollama 与 llama.cpp 先后收录五种量化格式，4-bit 约 1GB决策模型与机器人方向参考链接

Liquid AI 从 10 月 19 日起陆续把 LFM3 家族挂上 HuggingFace，十天内两家本地推理引擎都完成了支持：10 月 27 日 Ollama v0.40.12 收录全家族，10 月 28 日 llama.cpp v0.8.0 跟进，10 月 29 日 Ollama v0.40.13 把支持范围从 Apple silicon 扩到 Windows 和 Linux。截至 10 月 29 日晚，家族 GGUF 量化版累计下载超过 13 万次。

家族里的六个模型

这一代全系从 LFM3-1.7B-Base 分出，参数量都在 2B 档：

模型 输入 输出 上架时间
LFM3-1.7B 文本 文本 10-23（Base 版 10-26）
LFM3-VL-2B 文本、图像、视频 文本 10-19
LFM3-Audio-2B 文本、音频 文本、语音 9-08
LFM3-Omni-2B 文本、图像、视频、音频 文本、语音 10-21
d1-2B 文本、图像、视频 校准答案 10-24
d1-omni-2B 文本、图像、视频、音频 校准答案 10-24

LFM3-1.7B 面向本地 agent 与结构化输出，官方针对 Hermes Agent、Pi、OpenClaw 等 agent 框架做了后训练。LFM3-Omni-2B 是该公司的第一个全模态模型，官方的说法是一个模型顶替 ASR、视觉语言、LLM、TTS 四个独立模型。d1 系列是决策模型，不做文本生成：给它一个场景和一组命名问题，它单次前向就给出全部答案，每个答案带校准概率，形式是 yes/no、选项、打分或数值区间。

截至 10 月 29 日实测，LFM3-1.7B-GGUF 下载 61,499、LFM3-VL-2B-GGUF 24,617、LFM3-Omni-2B-GGUF 23,510、LFM3-Audio-2B-GGUF 11,643，d1 系列 GGUF 合计约 1.2 万；六个模型的原始权重版合计约 2.8 万。

tri-hybrid 架构：24 层里 13 层是卷积

LFM3-1.7B-Base 共 24 层。架构搜索用硬件在环方法跑过 14 种设备与后端组合（手机、树莓派 5、笔电、云 CPU、GPU、高通 Hexagon NPU），最后的层配置是 13 层门控短卷积（卷积核 7，LFM2 为 3）、5 层滑动窗口注意力（窗口 256 token）、6 层全局注意力。短卷积层不用 KV cache，是 CPU 上跑得最快的部分。注意力头上有 sigmoid 门控（头级门控注意力），用来抑制伤害量化的激活离群值；全局注意力层只旋转每头频率最高的一半维度（部分 RoPE）；每层输入输出各归一化一次（三明治归一化）。

基座预训练 22T token，最后 3.5T 是 mid-training 阶段：提高 agent 轨迹与工具调用数据占比，同时把上下文窗口扩到 256K。官方称，8K 上下文时 LFM3-1.7B 的每参数速度比 LFM2-1.2B 快约 25%。

视觉和音频各配了一个自研编码器。164M 参数的视觉编码器用卷积加注意力混合，比上代用的 SigLIP2 省 3 倍算力，与 Qwen3.5-2B 的视觉编码器精度相当但 FLOPs 少 2.2 倍；视频输入把相邻两帧合成一个时间片，时间序列长度减半。音频编码器全因果设计，用户说话时模型可以同步 prefill，首 token 延迟低至 50ms；配套的 LiquidCodec 音频 tokenizer 在 Apple M4 Max 单 CPU 线程上以约 87 倍实时速度解码，支持流式输出。

官方自报成绩

以下均为官方口径，暂未见独立复测：

  • LFM3-1.7B 参数比上代 LFM2.5-2.6B 少 35%，性能反超；agent 任务差距最大，WebArena-Verified 得分 38.42 对 3.02，浏览器与商业应用的长任务里超过 Qwen3.5-9B。
  • LFM3-VL-2B 视觉理解 62 项基准平均分从上代 LFM2.5-VL-3B 的 57.6 提到 71.4，与参数大六倍的 Gemma 4 12B 持平；它是 LFM 家族第一个接受视频输入的视觉模型。
  • LFM3-Audio-2B 语音质量 UTMOSv2 得分 3.83（上代 3.22），支持 18 种语言的语音识别、合成与翻译。
  • LFM3-Omni-2B 在音频-视觉视频理解上（Daily-Omni、WorldSense、AV-SpeakerBench）超过对比模型，其中参数最大的有 10.7B（含 Qwen2.5-Omni-7B）。
  • d1-2B 替代上代 d1-3B，参数少三分之一，四个决策基准全面更高（ImajevBench 75.5 对 64.0）。

Ollama 与 llama.cpp 先后收录

Ollama 在 v0.40.12（10 月 27 日）把全家族收进官方模型库：lfm3（1.7B 文本，256K 上下文）、lfm3-vl、lfm3-audio（18 语言语音识别、翻译与合成）、lfm3-omni，同版还收录了基于 LFM3 的 d1 2B 决策模型。当时仅 Apple silicon 可用；v0.40.13（10 月 29 日凌晨）补上 Linux 与 Windows，ollama run lfm3 三大平台都能跑。

llama.cpp 这边，v0.8.0（10 月 28 日）大版本合入了 LFM3 全家族：LFM3-1.7B 与 LFM3-VL-2B 已对照官方 HF 实现验证（PR #31252），LFM3-Audio-2B 与 LFM3-Omni-2B 单模型覆盖语音识别、合成与语音对话，流式音频输入输出走新的实验性 mtmd_audio_stream API（PR #31257）。server 新增 /v1/realtime 与 /tts 两个端点，实时音频可以进出 llama-server。这个版本还带了从 HF Hub 直接浏览下载模型的 UI。LFM3 之外，v0.8.0 同批新增 DeepSeek V4.1 Flash、Flint、Muse Spark 等架构支持。

五种量化格式，4-bit 约 1GB

量化版两周内出齐 GGUF、MLX（Mac 用，4/5/6/8-bit 全档）、ONNX、FP8 和 NVFP4 五种格式。官方口径下 LFM3-1.7B 在 4-bit 精度约占 1GB 内存，手机与笔记本都装得下，2B 档的多模态模型也在同一量级。官方给出十个微调 notebook（SFT/DPO/GRPO/CPT 四种方法），全部单 GPU 可跑，示例包括从混乱文档抽 JSON、带 108 个工具的函数调用、教模型学新语言和新音色。

决策模型与机器人方向

d1 系列用在管线里做快判断：客服工单分类、发票字段抽取、看界面截图下结论。这类判断只需要一次前向，不用跑完整的文本生成。官方还从 LFM3-VL-2B 改出三个机器人模型（调度、导航、操作），其中操作 VLA 模型跨 15 种机器人本体联合训练，LIBERO 四套件平均成功率 96.2%，在 Jetson AGX Orin 上用 TensorRT FP16 生成动作块耗时低于 50ms。

参考链接

← Mistral Large 4 开放权重：万亿参数 Le Chonk 上线，2-bit 量化可进 512GB 内存BOSS直聘开源 Nanbeige4.3-33B：512K 上下文，量化版两天 6.2 万下载 →
相关资讯GLB-3D-Coder 4B 最终版发布：4B 模型生成可导出的 3D 游戏资产，训练数据集同步开源Kimi K3.1 Pro 权重开源：2.8T 总参、1.5TB MXFP4 量化权重，魔搭可直下llama.cpp v0.9.0 大版本：FP8 E4M3 量化支持，多序列 prefill 提速最高约 2.9 倍Reflection 产品团队首场 AMA：Beam 1.0 推理 token 约省 3 倍，小模型暂无时间表