Liquid AI 推出 LFM2.5：面向边缘设备的小型 AI 模型家族

Liquid AI 近日发布 LFM2.5，这是一代全新的小型基础模型家族，沿用 LFM2 架构，重点面向边缘设备与本地部署。该系列包含 LFM2.5-1.2B-Base 与 LFM2.5-1.2B-Instruct，并扩展了日语、视觉语言和音频语言等变体。模型以开源权重形式上线 Hugging Face，并在 LEAP 平台提供展示与体验。

LFM2.5 继续采用为 CPU 和 NPU 优化的混合式 LFM2 架构，目标是实现更快、占用更少内存的推理。预训练阶段将参数规模提升到 1.2 亿，训练数据从 10 万亿 tokens 扩展至 28 万亿 tokens。随后，指令版模型进行了监督微调、偏好对齐以及多阶段的大规模强化学习，重点加强指令跟随、工具使用、数学与知识推理能力。

在文本模型表现方面，LFM2.5-1.2B-Instruct 是主打的通用文本模型。官方在 GPQA、MMLU Pro、IFEval、IFBench 等多个基准上公布成绩：GPQA 得分 38.89，MMLU Pro 得分 44.35，明显领先同类开源小模型，如 Llama-3.2-1B Instruct 和 Gemma-3-1B IT。

同时，LFM2.5-1.2B-JP 是面向日语优化的文本模型，针对 JMMLU、M-IFEval 和 GSM8K 等日语任务进行了专项强化。该检查点在日语任务上优于通用指令模型，并与其他小型多语言模型在本地基准中形成竞争。

在多模态的边缘应用场景中，LFM2.5-VL-1.6B 是升级版的视觉语言模型，融合了图像理解模块。该模型经过调优，可支持文档解析、界面读取与多图像推理等常见需求，并能在边缘环境高效运行。

LFM2.5-Audio-1.5B 是原生音频语言模型，支持文本与音频的双向输入输出，引入了全新的音频反 tokenizer，其速度比旧方案快 8 倍，适配实时语音到语音的对话代理和自动语音识别等任务。

https://www.liquid.ai/blog/introducing-lfm2-5-the-next-generation-of-on-device-ai

划重点:  

🌟 LFM2.5 基于 LFM2 架构，覆盖文本、视觉语言与音频语言等多种版本。  

📈 模型在多项基准中表现出色，尤其在 GPQA 和 MMLU Pro 上领先同类小型开源模型。  

🌐 LFM2.5 系列面向多模态与区域优化，提供强劲的边缘计算能力，适合多种实际应用场景。