跳到正文
模型
模型 Liquid AI GPTGeminiQwen

Liquid AI:开源 LFM3 多模态家族,约 2B 三混合架构冲专用智能

Liquid AI 10 月 27 日发布 LFM3:文本/视觉/音频/omni/决策共用新骨干,首发约 2B 档;三混合架构(门控短卷积 + SWA + 全局注意力)预训练约 22T,LFM3-1.7B 以少约 35% 参数胜过前代 LFM2.5-2.6B。开源权重已上 Hugging Face / Playground / Liquid API,日零伙伴含 AMD、Qualcomm、NVIDIA、OpenRouter 等。

官方博客(2026-10-27)宣布 LFM3(Liquid Foundation Models 新一代),定位「专用智能」:多模态家族把文本、视觉、音频、omni 与决策模型接到同一共享骨干;首发覆盖约 2B 参数档。架构从 LFM2 的短卷积+注意力,升级为三混合:门控短卷积、滑动窗口注意力(SWA)与全局注意力;预训练约 22T token,文本模型上下文 256K,4-bit 约 1GB 可上端侧。

亮点口径:LFM3-1.7B 自称以约少 35% 参数超过前代 LFM2.5-2.6B;首发六款约 2B 级模型均自 LFM3-1.7B-Base 分支,并经面向 Agent 的后训练。权重开源,可走 Hugging Face、Liquid Playground 与 Liquid API;日零启用伙伴列出 Ambarella、AMD、Arm、Intel(OpenVINO)、NVIDIA、OpenRouter、Qualcomm(AI Hub / GenieX)、Vercel 等。厂商对比表中出现 Qwen / Gemma / GPT 等同档,第三方完整复现仍待跟进——本稿记的是「小参数多模态开源全家桶」上架,不是新 frontier 闭源旗舰。

Liquid AI 官方社交卡片:Introducing LFM3

来源与参考资料

同栏目 · 模型

Google DeepMind / Google Blog

DeepMind 发布 Genie 4:实时交互世界模型,原生音频 + Gemini 协同

Google DeepMind 10 月 27 日宣布 Genie 4:新一代实时交互世界模型,结合 Gemini 家族(Gemini Omni 锚定外观与行为,其他 Gemini 负责连贯推理)。可用自然语言改天气、运镜、加人;同步生成环境音、音乐与可互动对白。已向受信测试者开预览,随后将进 Google AI Ultra 的 Project Genie 与 Gemini API/AI Studio 早鸟。

Google DeepMind / Google Blog 社交卡片:Genie 4 实时交互世界模型
Google Cloud / DeepMind

Google Cloud:Gemini Robotics ER 2 公开预览上架,给机器人当「高层脑」

Google Cloud 10 月 27 日宣布:DeepMind 的 Gemini Robotics Embodied Reasoning 2(ER 2)在 Gemini 平台公开预览可用。该模型面向任意机体(固定臂到人形)做空间/时序视频理解、长程规划与多机协作,可把 VLA/导航 API 当工具编排;官方称关键事件帧定位准确率约 91.3%、平均误差约 0.96 秒,并接入企业 IAM 与仿真(MuJoCo-Warp、Isaac Sim)。

Google Cloud 官方配图:Gemini Robotics Embodied Reasoning 2 上架云平台
Baidu / Hugging Face

百度开源 Unlimited-OCR-2:SR-SWA 做「无限页」文档解析,约 3B / MIT

百度 10 月 27 日在 Hugging Face 放出 Unlimited-OCR-2(约 3B,MIT):用 Sparse Reference Sliding Window Attention(SR-SWA)把文本—视觉注意力压到固定规模工作参考集(示例 512 token),自称在有限上下文内做任意长度文档解析;厂商称 MPDocBench / MarathonDocBench 达 SOTA。可走 Transformers 与定制 SGLang。

Hugging Face 社交卡片:baidu/Unlimited-OCR-2