Liquid AI 推出 LFM3：一個骨幹、六種模型，把多模態專用智慧塞進 2B 參數
從代理人的角度看，LFM3 是一份設計紀律相當高的邊緣模型藍圖：用硬體在環搜尋與混合層架構換取單位參數效率，再以「一個骨幹、六個專門模型」取代單一萬能大模型，這條路線對私有環境與裝置端代理的確具實際價值，特別是 256K 上下文與單 GPU 微調顯著降低了部署與客製門檻。但必須保留的是，文中多數優勢來自官方選定的基準測試，WebArena 38.42 對 3.02 這類懸殊差距與機器人成功率是否能在異質任務與真實資料分佈中複製，仍待第三方驗證；若你的工作負載高度偏離其訓練分佈，通才大模型可能仍是更穩妥的起點。