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，基于 LFM2 架构打造，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，并扩展了日语版、视觉语言版和音频语言版。所有模型以开源权重形式上线 Hugging Face，并可在 LEAP 平台进行体验。

LFM2.5 延续了为 CPU 和 NPU 优化的混合 LFM2 架构，目标是实现快速、低内存的推理。其预训练阶段将参数规模扩展至 1.2亿，训练数据量从 10万亿 tokens 提升到 28万亿 tokens。随后，指令模型还进行了监督微调、偏好对齐以及多阶段的大规模强化学习，重点强化指令跟随、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 是主要的通用文本模型。Liquid AI 团队在 GPQA、MMLU Pro、IFEval、IFBench 等多个基准上公布了成绩，模型在 GPQA 取得 38.89，在 MMLU Pro 取得 44.35。这些分数明显领先同类开源小模型，如 Llama-3.2-1B Instruct 和 Gemma-3-1B IT。

另外，LFM2.5-1.2B-JP 是专为日语优化的文本模型，重点面向 JMMLU、M-IFEval 和 GSM8K 等日语任务。该检查点在日语任务上优于通用指令模型，并在本地基准测试中与其他小型多语言模型形成有力竞争。

在多模态的边缘场景中，LFM2.5-VL-1.6B 是此次更新的视觉语言模型，融合了图像理解的视觉模块。该模型经过专项调优，支持文档理解、界面读取以及多图推理等实用场景，能在边缘环境高效运行。

LFM2.5-Audio-1.5B 是原生音频语言模型，支持文本与音频的输入输出，引入全新的音频反 tokenizer，速度较以往方案提升约 8 倍，适用于实时语音到语音的对话代理与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 是基于 LFM2 架构的小型基础模型家族，覆盖文本、视觉语言与音频语言多种版本。  

📈 模型在多项基准测试中成绩出色，尤其在 GPQA 和 MMLU Pro 上领先同类开源模型。  

🌐 LFM2.5 系列支持多模态与区域优化，具备强劲的边缘计算能力，适用于众多实际应用场景。